etnia y desempeño académico en colombia 3 -...
TRANSCRIPT
Etnia y desempeño académico en Colombia Andrés Sánchez Jabba♣
Octubre de 2011
Resumen En Colombia, los estudiantes pertenecientes a una etnia presentan un desempeño inferior al de sus pares no étnicos en los puntajes asociados a pruebas académicas estandarizadas, en las áreas de matemática y lenguaje. Dicha brecha es persistente a nivel departamental, especialmente entre los departamentos donde reside un alto porcentaje de población étnica. Utilizando información asociada a los resultados en la prueba SABER 11, este estudio encuentra una brecha en el desempeño académico de los estudiantes étnicos con los no étnicos y la descompone en factores relacionados con las características observables de los estudiantes, sus familias y su colegio, así como factores no observados. Para ello se utiliza la metodología propuesta por Blinder y Oaxaca, la cual se extiende al análisis de regresiones por cuantiles. Los resultados indican que en los departamentos donde la brecha académica es estadísticamente significativa, la mayor parte de esta es atribuible a factores no observables. Sin embargo, para distintos niveles de desempeño académico, el comportamiento de la misma y sus factores explicativos son diversos. Palabras clave: desempeño académico, etnia, educación Clasificación JEL: I24, J15,
Abstract
In Colombia, ethnic students have a low academic achievement compared to their non-ethnic peers in standardized test scores on math and language. This achievement gap is persistent at the state level, especially in high ethnic density states. Using information regarding results from the state academic test (SABER 11), this study aims to corroborate the existence of an academic gap between ethnic and non-ethnic students and additionally, decompose it in factors related to observable characteristics related to the student, his family and school, non-observable factors. For this purpose, the methodology proposed by Blinder and Oaxaca applied to quantile regression is used in order to determine the existence of test score gaps throughout the distribution of academic performance. Results indicate that within states where there is a statistically significant academic achievement gap, a sizeable portion of it is attributed non-observable factors. Nonetheless, for distinct levels of academic performance, the gap size and the extent to which it can be attributed non-observable factors vary according to the state which is examined. Keywords: academic achievement, ethnicity, education
♣ Economista del Centro de Estudios Económicos Regionales (CEER) del Banco de la República. El autor agradece a Andrea Otero y Luís Galvis por sus valiosas apreciaciones y a los demás investigadores del CEER por sus comentarios y aportes. Igualmente, agradece a Andrés Castaño, José Mola y Jhorland Ayala por su colaboración y excelente trabajo como asistentes de investigación. Todos los comentarios a esta versión del documento pueden ser enviados a [email protected]. Todos los errores son responsabilidad exclusiva del autor.
1
1. Introducción
Una etnia es una comunidad humana definida por afinidades raciales, lingüísticas y
culturales entre otros factores1. En Colombia, la población que se reconoce como
perteneciente a una etnia se encuentra en una clara desventaja con respecto a la no étnica2.
Dicha desventaja se basa en el hecho de que generalmente este segmento de la población
enfrenta condiciones socioeconómicas adversas. Concretamente, este grupo se asocia con
bajos niveles de ingreso, educación y mayores tasas de incidencia de la pobreza. Por
ejemplo, en promedio, tanto indígenas como afrocolombianos tienen mayor probabilidad de
ser pobres por insuficiencia de ingresos o tener por lo menos una Necesidad Básica
Insatisfecha, al mismo tiempo que tienen una menor probabilidad de estar estudiando e
inferiores retornos a la educación (Romero, 2010a).
En este estudio, se encontró que las madres de los estudiantes étnicos tienen un
menor nivel educativo en comparación con sus equivalentes, las madres de los estudiantes
no étnicos. Además, se estableció que los hogares étnicos tienen un menor ingreso familiar
mensual y una mayor proporción vive en el área rural. Finalmente, se observó que un
mayor porcentaje de estudiantes étnicos asiste a colegios oficiales. En ese orden de ideas, se
podría esperar que estas desventajas afecten negativamente el desempeño académico de los
estudiantes étnicos y que se les pudiera atribuir, en su totalidad, la existencia de una brecha
académica, la cual consiste en la diferencia, entre estudiantes étnicos y no étnicos, en los
puntajes obtenidos en pruebas académicas estandarizadas. Naturalmente, se esperaría que
dadas las desventajas asociadas a la población étnica, existiera una brecha académica que
desfavorece a este grupo.
Sin embargo, la población étnica no solo tiene el obstáculo de la desventaja
asociada a sus condiciones socioeconómicas desfavorables, sino que debe enfrentar otros
problemas que reducen sus resultados, que podrían ser factores no observados, tales como
la motivación y la autoestima. En el terreno académico, ello implica que los estudiantes
étnicos tienen un menor desempeño académico en comparación con sus pares no étnicos,
1 Definición del Diccionario de la Lengua Española, vigésima segunda edición. 2 Según el DANE, en Colombia existen tres grupos étnicos: los indígenas, los afrocolombianos, incluidas las comunidades raizales de San Andrés y Providencia y la comunidad de San Basilio de Palenque en Bolívar, y el pueblo ROM (Gitano).
2
independientemente de las características socioeconómicas. Es decir, si el nivel educativo,
los ingresos y la pobreza fueran uniformes entre estos dos grupos, aun así se podría esperar
que los estudiantes étnicos tengan, en promedio, menores puntajes en las pruebas.
El objetivo de esta investigación consiste en probar la existencia de una brecha en el
desempeño académico de los estudiantes étnicos con respecto a los no étnicos y
descomponerla en los factores relacionados con las características observables individuales
de los estudiantes, así como los no observados. No obstante, este estudio va más allá de lo
anterior, ya que lleva a cabo este análisis a nivel departamental.
Los resultados por mínimos cuadrados ordinarios (MCO) indican que efectivamente
existe una brecha académica significativa que desfavorece a los estudiantes étnicos en los
resultados de la prueba SABER 11. El 60% de la brecha es atribuible a las diferencias en
las características individuales de los estudiantes y el resto a factores no observados. Al
analizar los resultados a nivel departamental, utilizando la descomposición Blinder-Oaxaca
(BO), se encontró que en los departamentos con una alta concentración de población étnica,
la brecha académica tiende a ser estadísticamente significativa y de mayor amplitud.
Adicionalmente, en dichos departamentos, la totalidad, o la mayor parte de la brecha
académica es atribuible a factores no observados.
Al llevar a cabo la descomposición Blinder-Oaxaca en distintos puntos de la curva
de desempeño académico se encontró que en aquellos departamentos con una brecha
académica estadísticamente significativa el comportamiento de la misma no exhibe una
tendencia clara. En algunos casos se encontró que la brecha en el desempeño académico
tiende a hacerse más amplia entre los estudiantes con puntajes altos, sobre todo para el área
de matemática. Sin embargo, en otros casos se obtuvo que la brecha se reduce o permanece
relativamente constante.
El documento está compuesto por siete secciones, de las cuales la primera es la
presente introducción. La sección dos muestra la brecha académica a nivel nacional y
departamental. Al evidenciar las profundas diferencias en la brecha académica a lo largo de
los departamentos se indaga por los factores que podrían explicar este hecho. La sección
tres presenta un análisis descriptivo de las características de los estudiantes, tanto étnicos
3
como no étnicos. Dichas características incluyen el nivel educativo de la madre, los
ingresos mensuales del hogar, el área en que vive y el tipo de colegio al que asiste. La
sección 4 describe la estrategia empírica y la metodología empleada para descomponer la
brecha académica. Los resultados se presentan en la sección 5. Finalmente, en la sección 6
se concluye y se presentan las conclusiones y consideraciones.
2. La brecha académica de los estudiantes étnicos
El tema de la brecha académica basada en la pertenencia a una etnia no ha sido estudiado
en Colombia. Sin embargo, existen estudios que han abordado, marginalmente, este tema,
dentro de los cuales sobresale el de Romero (2010a), quien analiza algunas de las
desventajas económicas asociadas al grupo indígena. Dentro de las desventajas que analiza
se encuentran aquellas relacionadas con la salud, pobreza estructural, pobreza por
insuficiencia de ingresos, capital humano y asistencia escolar. Específicamente, en lo
concerniente a la educación, establece que una persona indígena en edad escolar (entre 5 y
24 años), perteneciente al grupo indígena y residente en alguna de las principales ciudades,
tuvo una reducción de 10,8% en la probabilidad de estar estudiando respecto a los no
indígenas, mientras que esta reducción alcanza un 2,4% entre los afrocolombianos.
A nivel internacional sí existen algunos estudios que han abordado directamente el
tema. En Chile, Noe, Rodriguez y Zúñiga (2005) analizan la brecha en el rendimiento
académico entre estudiantes indígenas y no indígenas empleando datos de la prueba SIMCE
(Sistema de Medición de la Calidad de la Educación) correspondiente al año 1999. Los
resultados de este estudio indican que claramente existe una brecha en favor de los
estudiantes no indígenas. Los resultados de dicha investigación indican que la diferencia en
el desempeño no es atribuible a la condición étnica de cada estudiante como tal, sino a
factores relacionados con las características del hogar (como el ingreso y el nivel educativo
de los padres) y la influencia de los compañeros.
En esta sección se analiza la brecha en el desempeño académico entre estudiantes
étnicos y no étnicos en la prueba SABER 11 a nivel nacional y departamental. Por ende, y
para poder interpretar los resultados, a continuación se presenta la información relacionada
con esta prueba académica.
4
2.1. Prueba SABER 11
Para poder evaluar la brecha académica existente entre los estudiantes étnicos y el resto, se
emplean los resultados asociados al examen de Estado de la educación media, realizado por
el Instituto Colombiano para la Evaluación de la Educación, ICFES, conocido como prueba
SABER 11. Esta es una prueba estandarizada, la cual “tiene como fin comprobar el nivel de
desarrollo de las competencias de los estudiantes que están por terminar undécimo grado”
(ICFES, 2010, p. 5), y en la gran mayoría de los casos constituye un requisito indispensable
para graduarse de bachiller académico y poder cursar estudios en una institución de
educación superior. Los resultados de la prueba representan un buen indicador de calidad
educativa y desempeño académico de los estudiantes. Cabe destacar que la presentación de
este examen es obligatoria entre los estudiantes próximos a graduarse.
Para esta investigación nos centraremos en la prueba SABER-11 correspondiente al
segundo semestre del año 2010, la cual está compuesta por dos cuerpos: el núcleo común y
el componente flexible.
En el primero están las áreas que se consideran fundamentales, de acuerdo con
la Ley General de Educación y los estándares básicos de competencias. Estas
son lenguaje, matemática, biología, química, física, filosofía, ciencias sociales e
inglés. Todos los estudiantes deben presentar las pruebas que conforman este
núcleo. El componente flexible está integrado por dos clases de pruebas: de
profundización e interdisciplinares. Su propósito es evaluar áreas de interés
para los estudiantes, quienes pueden escoger aquella que más se ajuste a sus
intereses y dominio académico (ICFES, 2010, p. 6).
En este estudio se presentarán únicamente los puntajes de las áreas de matemática y
lenguaje a pesar de que el núcleo común está compuesto por las ocho áreas anteriormente
mencionadas. Se ha decidido escoger estas dos áreas porque constituyen las que
tradicionalmente se emplean, en la literatura internacional, para evaluar el desempeño
académico de los estudiantes. Sin embargo, existen otras razones para escoger
5
exclusivamente estas dos áreas. Por ejemplo, se podría decir que las demás áreas se derivan
de estas dos. Igualmente, estas áreas son las que presentan mayor y menor volatilidad,
respectivamente, en los puntajes obtenidos por los estudiantes, lo que permite el análisis
bajo el contexto de una amplia, o estrecha, brecha académica. Finalmente, la escogencia de
solo dos áreas permite presentar los resultados de una forma más simple y práctica3. Vale la
pena aclarar que los resultados son persistentes a lo largo de las demás áreas y por ende, las
conclusiones no varían con respecto a lo encontrado para estas dos áreas en particular.
2.2. Desempeño académico de los estudiantes étnicos
Con el objetivo de establecer si el desempeño académico de los estudiantes étnicos con
respecto a los no étnicos es inferior, se calculó el promedio del puntaje obtenido por cada
grupo en las áreas de matemática y lenguaje y se realizó una prueba de diferencia de
medias sin condicionar en alguno de los factores que puedan ayudar a explicar la brecha, la
cual se presenta en el Cuadro No. 1.
Cuadro No. 1. Desempeño académico de los estudiantes étnicos y no étnicos en matemática y lenguaje en la Prueba SABER 11 (2010-2).
Matemática Lenguaje Grupo
Obs Promedio Error Est.
Obs Promedio Error Est.
No étnicos
506.188 44,59 0,01
506.387 45,99 0,00
Étnicos
34.036 40,54 0,05
34.065 43,86 0,04
Combinado
540.224 44,34 0,01
540.452 45,86 0,00
Diferencia 4,05 *** 0,06 2,13 *** 0,04
Fuente: Cálculos del autor con base a información del ICFES (SABER 11). (***) denota significancia estadística al 1%.
Como se puede observar en el cuadro anterior, existe evidencia estadística para
afirmar que el rendimiento académico de los estudiantes étnicos en Colombia es inferior en
comparación con los estudiantes no étnicos. En el área de matemática, dicha diferencia
asciende a 4,05 puntos negativos para los estudiantes étnicos y es estadísticamente
significativa a cualquier nivel de significancia. Por otro lado, en el área de lenguaje, la
3 Los resultados para el resto de componentes se encuentran disponibles y pueden ser solicitados al autor.
6
diferencia es de 2,13 puntos. Como era de esperarse, matemática constituye el área donde
mayor es la brecha académica entre estos dos grupos.
2.3. Brecha académica departamental
Más allá de la evidente brecha que existe en el desempeño académico de los estudiantes
étnicos, sería interesante saber si dicha brecha es persistente al ser analizada a nivel
departamental. Específicamente, lo que quisiéramos saber es si en algunos departamentos
de Colombia no existe una brecha académica estadísticamente significativa.
Adicionalmente, sería bueno indagar si en aquellos departamentos en los que efectivamente
existe una brecha académica, la magnitud de la misma varía de acuerdo al departamento en
el que se analice.
Teniendo en cuenta lo anterior, para cada departamento se presenta la desviación
porcentual del puntaje medio obtenido por los estudiantes étnicos con respecto a sus pares
no étnicos para las áreas de matemática y lenguaje (Ver Cuadro No. 2). Dicha desviación
representa la brecha en el desempeño académico. Este ejercicio es equivalente al que se
presentó en la subsección anterior. Sin embargo, la diferencia subyace en que se lleva a
cabo para cada departamento y en términos de desviaciones porcentuales en lugar de
expresar la brecha como una diferencia de medias.
7
Cuadro No. 2. Brecha en el desempeño académico de los estudiantes no étnicos con respecto a los étnicos, por departamento, Prueba Saber 11 (2010-2) (Desviación porcentual).
Departamento Obs Étnicos No Étnicos
Amazonas 718 266 452 13.54 *** 1.68
Antioquia 76,610 2,511 74,099 6.86 *** 4.69 ***
Arauca 2,925 114 2,811 0.62 0.4
Atlántico 27,459 922 26,537 2.11 *** 1.46 ***
Bogotá 97,420 1,312 96,108 -0.21 -0.22
Bolívar 25,147 1,835 23,312 4.85 *** 2.41 ***
Boyacá 18,157 123 18,034 -0.13 0.12
Caldas 11,993 761 11,232 10.29 *** 3.92 ***
Caquetá 4,140 79 4,061 -1.52 -1.24
Casanare 4,816 62 4,754 4.07 4.08 **
Cauca 11,887 4,796 7,091 11.09 *** 5.32 ***
Cesar 11,423 570 10,853 4.58 *** 1.38 **
Chocó 4,055 662 3,393 3.04 *** 2.42 ***
Córdoba 17,935 2,313 15,622 6.89 *** 3.53 ***
Cundinamarca 35,486 324 35,162 1.83 0.97
Guainía 154 108 46 8.06 ** 3.03
Guaviare 774 38 736 3.53 1.9
Huila 12,941 196 12,745 -2.27 -1.77 *
La Guajira 6,386 1,311 5,075 4.85 *** 2.88 ***
Magdalena 13,846 386 13,460 4.14 *** 1.18
Meta 10,496 556 9,940 1.88 * 1.52 **
Nariño 15,055 3,682 11,373 11.88 *** 5.9 ***
Norte de Santander 16,336 272 16,064 -2.3 * -0.62
Putumayo 3,093 588 2,505 2.99 *** 1.57 **
Quindío 7,002 149 6,853 0.31 0.98
Risaralda 10,946 430 10,516 3.37 *** 2.38 ***
San Andrés 875 436 439 7.67 *** 1.81 *
Santander 27,327 148 27,179 -2.33 -1.95
Sucre 10,852 1,763 9,089 6.03 *** 2.33 ***
Tolima 16,483 785 15,698 4.19 *** 3.49 ***
Valle 36,988 3,521 33,467 6.39 *** 2.95 ***
Vaupés 250 204 46 11.81 *** 2.44
Vichada 450 111 339 12.02 *** 3.33 **
Nacional 540,425 31,334 509,091 9.59 *** 4.74 ***
Matemática Lenguaje
Fuente: Cálculos del autor con base en información del ICFES (SABER 11). (***), (**) y (*) denotan significancia estadística a niveles de 1, 5 y 10%, respectivamente. Nota: Los valores positivos corresponden a una brecha académica que favorece a los estudiantes no étnicos.
Lo primero que se puede afirmar al analizar el Cuadro 2 es que en la mayoría de los
departamentos se presenta una brecha académica estadísticamente significativa.
Concretamente, en el área de matemática se presenta una brecha académica en el 70% de
8
los departamentos, mientras que este porcentaje asciende al 60% en el área de lenguaje. De
igual manera, el tamaño de la brecha académica varía de acuerdo al departamento que se
mire. Por ejemplo, en el área de matemática, la brecha oscila entre el 1,88% y el 13,54%,
mientras que en lenguaje oscila entre el 1,38% y 5,90%4. Por ejemplo, en Nariño, la brecha
es de 11,98% en matemática y 5,90% en lenguaje, las cuales son estadísticamente
significativas a cualquier nivel de significancia. No obstante, en Bogotá y Santander no hay
brechas estadísticamente significativas.
Lo más interesante, sin embargo, es que al analizar el Cuadro No. 2, se puede
constatar que los departamentos en los cuales la brecha se hace más amplia y significativa
corresponde a aquellos cuyo porcentaje de población étnica se podría considerar alto (ver
Anexo No. 1), lo que sugiere que podría existir un cierto grado de correlación entre la
concentración de población étnica y la brecha en el rendimiento académico, tal como lo
muestra en el Gráfico No. 1.
4 Sin embargo, vale la pena destacar que en esta última área el departamento del Huila presenta una brecha
académica de 1,77% en favor de los estudiantes étnicos
9
Gráfico No. 1. Correlación entre el porcentaje de población étnica y la brecha académica departamental (matemática y lenguaje). Prueba SABER 11 (2010).
Fuente: Elaboración del autor con base en información del ICFES (SABER 11) y DANE (Censo General del 2005).
Amazonas
Antioquia
Arauca
Atlántico
Bogotá
Bolívar
Boyacá
Caldas
Caquetá
Casanare
Cauca
Cesar
Chocó
Córdoba
Cundinamarca
Guainía
Guaviare
Huila
La GuajiraMagdalena
Meta
Nariño
Norte de Santander
Putumayo
Quindío
Risaralda
San Andrés
Santander
Sucre
Tolima
Valle
VaupésVichada
-50
510
15B
rech
a ac
adém
ica
(des
viac
ión
porc
entu
al)
0 20 40 60 80 100Porcentaje de población étnica
Panel (a): Matemática
Amazonas
Antioquia
Arauca
Atlántico
Bogotá
Bolívar
Boyacá
Caldas
Caquetá
Casanare
Cauca
Cesar
Chocó
Córdoba
Cundinamarca
Guainía
Guaviare
Huila
La Guajira
MagdalenaMeta
Nariño
Norte de Santander
Putumayo
Quindío
Risaralda
San Andrés
Santander
Sucre
Tolima
Valle
Vaupés
Vichada
-20
24
6B
rech
a ac
adém
ica
(des
viac
ión
porc
entu
al)
0 20 40 60 80 100Porcentaje de población étnica
Panel (b): Lenguaje
10
El coeficiente de correlación entre el porcentaje de población étnica y la brecha
académica departamental para el área de matemática es de 0,58 y significativo a cualquier
nivel de significancia, mientras que para lenguaje es de 0,36 y significativo al 5%. Ello
sugiere que en departamentos donde hay una alta concentración de población étnica, los
estudiantes pertenecientes a este grupo tienden a presentar un desempeño académico
inferior en comparación con sus pares étnicos en departamentos donde esta concentración
tiende a ser menor.
La diferencia en la magnitud de la brecha académica a nivel departamental podría
estar explicada por factores asociados a los migrantes étnicos y las dotaciones educativas de
los mismos. La idea detrás de este argumento subyace en que la población étnica residente
en los departamentos con baja densidad poblacional de este tipo, incluye a hogares que han
migrado desde estas regiones (con alta concentración étnica) en busca de mejores
condiciones de vida, ya que generalmente los departamentos con menor concentración de
población étnica son aquellos con el mayor ingreso per cápita (ver Anexo No. 2)5.
Más allá de lo anterior, en general la población que migra es más educada que la no
migrante y obtiene mayores logros académicos (Barón 2011; Romero, 2010b). En ese
sentido, y siguiendo la idea de Martine (1975), la población étnica residente en los
departamentos con menor concentración de este grupo corresponde a aquella con las
mejores dotaciones educativas y talento humano, por ende, exhibe una tendencia hacia
mayores puntajes en comparación con sus equivalentes en los departamentos de origen.
Este segmento de la población podría ser el que se encarga de cerrar la brecha académica en
estos departamentos y podría constituir una de las razones por las cuales en la mayoría de
los departamentos con poca etnia no existe una brecha académica estadísticamente
significativa, o esta tiende a ser baja en comparación con la observada en departamentos
con bastante población étnica.
3. Los estudiantes étnicos
Lo primero que se debe establecer es que los estudiantes étnicos son una minoría con
respecto al resto. En total, 540.452 estudiantes presentaron la prueba SABER 11 en el
5 Dicha correlación es de -0,45 y es estadísticamente significativa a cualquier nivel de significancia.
11
segundo semestre del año 2010, de los cuales 34.065 se auto declararon como
pertenecientes a una etnia, lo que representa el 6,3%.
Aparte de constituir una minoría, este grupo también debe enfrentar desventajas que
se reflejan en condiciones socioeconómicas adversas. Como veremos en esta sección, una
mayor proporción de los estudiantes étnicos asiste a colegios oficiales y proviene de
hogares caracterizados por bajos niveles de ingreso y educación de las madres además de
mayores niveles de pobreza.
En el Gráfico No. 2 se puede observar el porcentaje de hogares, de los cuales
provienen los estudiantes, que devengan un determinado nivel de ingreso según la
pertenencia o no a un grupo étnico. Se puede constatar que más del 50% de los estudiantes
étnicos pertenecen a un hogar que devenga menos de 1 salario mínimo mensual (SMM),
mientras que este porcentaje es del 32,5% entre los estudiantes no étnicos. Más allá, el 44%
de los estudiantes no étnicos pertenece a un hogar que devenga un ingreso que se encuentra
entre 1 y 2 SMM, mientras que este porcentaje asciende a 33,8% entre los hogares étnicos.
En general, este gráfico indica que los estudiantes étnicos provienen de hogares con niveles
de ingresos inferiores en comparación con sus pares no étnicos, ya que en las categorías
más altas de ingreso hay una mayor proporción de estudiantes no étnicos.
12
Gráfico No. 2. Ingresos mensuales del hogar al cual pertenece el estudiante, por grupos, Prueba SABER 11 (2010-2).
Fuente: Cálculos del autor con base a información del ICFES (SABER 11). Nota: SMM significa Salarios Mínimos Mensuales.
Al analizar el nivel educativo de las madres de los estudiantes se presenta un
resultado similar al observado para los ingresos. Tal como lo indica el Gráfico No. 3, el
nivel educativo de las madres de los estudiantes étnicos es inferior en comparación con las
madres de sus pares no étnicos. Se puede observar que hay una mayor proporción de
madres de estudiantes étnicos que carecen de educación o cuyo máximo nivel educativo es
básica primaria (ya sea incompleta o completa). No obstante, esta situación se revierte al
analizar los resultados asociados a la educación secundaria, técnica, profesional o de
postgrado, donde las madres de los estudiantes no étnicos obtienen una mayor
participación.
0
10
20
30
40
50
60
Menos de 1 SMM
Entre 1 y menos de 2
SMM
Entre 2 y menos de 3
SMM
Entre 3 y menos de 5
SMM
Entre 5 y menos de 7
SMM
Entre 7 y menos de 10
SMM
10 o más SMM
Po
rce
nta
je d
el
tota
l d
e h
og
are
s
No étnicos Étnicos
13
Gráfico No. 3. Nivel educativo de la madre del estudiante, por grupos. (Porcentaje del total). Prueba SABER11 (2010-2).
Fuente: Cálculos del autor con base a información del ICFES (SABER 11).
A pesar de que la información relacionada con el nivel educativo del padre se
encuentra disponible, en este trabajo se presenta únicamente la información asociada al
nivel educativo de la madre, ya que se ha establecido que la educación de la madre tiene un
mayor efecto sobre el desempeño académico del estudiante. En general, madres con un alto
nivel educativo tienen un mayor éxito en proporcionar a sus hijos con capacidades
cognitivas y de lenguaje (Acharya y Joshi, 2009), además de ser capaces de crear un mejor
ambiente en el hogar para propiciar el aprendizaje de sus hijos.
Por otro lado, tal como lo muestra el Gráfico No. 4, un mayor porcentaje de
estudiantes étnicos asiste a un colegio oficial, con un 86% frente a un 72% entre los no
étnicos. Teniendo en cuenta que los colegios no oficiales ofrecen una mejor educación que
los oficiales (Núñez, Steiner, Cadena y Pardo, 2002), se podría decir que una mayor
0
5
10
15
20
25
30
Po
rce
nta
je d
el
tota
l d
e h
og
are
s
No étnicos Étnicos
14
proporción de estudiantes étnicos asiste a colegios donde la calidad educativa es
comparativamente menor.
En cuanto al área donde viven los estudiantes, el Gráfico No. 4 también muestra que
el 37,16% de los estudiantes étnicos vive en área rural, mientras que este porcentaje
asciende a tan solo el 20,08% entre los estudiantes no étnicos. Esta constituye una
desventaja adicional para los estudiantes étnicos, ya que en el área rural las condiciones
socioeconómicas son inferiores en comparación con la cabecera municipal. Por ejemplo,
para el total nacional, el Índice de Necesidades Básicas Insatisfechas (NBI) asociado a las
cabeceras municipales asciende al 19,65%, mientras que en el área rural llega al 53,51%6.
Lo anterior indica que una mayor proporción de la población étnica se encuentra en
condiciones de pobreza.
Gráfico No. 4. Tipo de institución educativa y área de residencia, por grupos. (Porcentaje del total). Prueba SABER11 (2010-2).
Fuente: Cálculos del autor con base en información del ICFES (SABER 11).
6 Consultar Boletín Censo General 2005 – NBI. http://www.dane.gov.co/daneweb_V09/index.php?option=com_content&view=article&id=231&Itemid=66
72,32
27,68
86,09
13,91
Oficial No oficial
20,08
79,92
37,16
62,84
Área rural Cabecera municipal
No étnicos Étnicos
15
Como se ha podido ver, en general los estudiantes étnicos pertenecen a un grupo
minoritario con condiciones socioeconómicas desfavorables, caracterizadas por bajos
niveles de ingreso y educación (tanto a nivel familiar como individual) y mayores tasas de
pobreza. Ello debería repercutir negativamente en el desempeño académico de los
estudiantes pertenecientes a este grupo y debería explicar, en una buena proporción, la
brecha académica que se observa en relación con los estudiantes no étnicos.
4. Datos y estrategia empírica
Para llevar a cabo las estimaciones se utilizan los resultados de la prueba de Estado de la
educación media, SABER-11, correspondiente al segundo semestre del año 2010 (2010-2),
a nivel nacional. Ello representa un total de 540.452 observaciones. Aunque la prueba se
aplica en ambos semestres del año académico (para colegios calendario A y B), en esta
investigación solo se utiliza la información asociada a los resultados segundo semestre
debido a que el examen es distinto, lo que podría afectar los resultados de la prueba y, por
ende, generar sesgos en la estimación. Se escogió el segundo semestre, en lugar del
primero, para obtener una mayor representatividad en la muestra, ya que la mayoría de los
estudiantes presentan el examen en el segundo semestre7.
Adicionalmente, para obtener la información individual del estudiante, su hogar y
colegio, se utilizó la información contenida en el formulario de estudiantes, el cual debe ser
diligenciado por cada estudiante antes de presentar la prueba. Dicho formulario contiene
preguntas acerca de las características socioeconómicas de los estudiantes, su hogar y del
colegio al que asiste.
En el formulario de inscripción que diligencian los estudiantes se hace la siguiente
pregunta: Si usted es miembro de comunidades afrocolombianas (negro o raizal) o
indígenas, señale la etnia a la que pertenece. Ante esto, los estudiantes tienen la
posibilidad de indicar alguno de los siguientes grupos étnicos: Comunidades negras,
Comunidad Rom (gitana), Paez, Sikuani, Arhuaco, Embera, Guambiano, Pijao, Wayúu,
Zenu, Pasto, Cancuamo, Inga, Tucano, Huitoto, Cubeo, Otro. Ello permite identificar
7 En 2010 un total de 570.846 estudiantes presentaron la prueba SABER-11 en 2010, de los cuales 30.394 estudiantes presentaron la prueba durante el primer semestre (Calendario B) y 540.452 lo hicieron en el segundo semestre (Calendario A).
16
fácilmente a los estudiantes étnicos y separarlos del resto para poder evaluar su desempeño
académico.
4.1. Modelo Econométrico
4.1.1. Variables
Variable explicada
La variable dependiente/explicada en el modelo es el logaritmo natural del puntaje obtenido
por el estudiante en el área, ya sea matemática o lenguaje. En particular, la escogencia de
matemática como variable explicada resulta conveniente para el análisis de brecha
académica, ya que es el área del núcleo común con mayor varianza (107,15). Ello permite
observar una amplia diferencia en el desempeño académico de los estudiantes a lo largo de
toda la distribución.
Variables explicativas
Área: Indica si el estudiante vive en cabecera municipal o en área rural. Toma el valor de 1
si el estudiante vive en la cabecera municipal y 0 si vive en área rural.
Número de personas en el núcleo familiar: Número de personas que conforman el grupo
familiar del estudiante (incluido el participante en el examen de Estado).
Nivel educativo de la madre: Indica el máximo nivel de educación alcanzado por la madre.
Aunque el ICFES suministra la información relacionada con el nivel educativo del padre, se
excluyó esta variable para evitar problemas de multicolinealidad, ya que generalmente estas
dos variables están altamente correlacionadas.
Ingreso familiar mensual: Ingresos mensuales del hogar del estudiante, representado en
salarios mínimos mensuales.
Trabaja: Indica si el estudiante trabaja o no. Toma el valor de 1 si trabaja y 0 en el otro
caso.
Mujer: Toma el valor de 1 si el estudiante es mujer y 0 en el otro caso.
17
Etnia: Constituye la principal variable explicativa en nuestro análisis. Indica si el estudiante
pertenece o no a un grupo étnico. Toma el valor de 1 si el estudiante pertenece a una etnia y
0 en otro caso.
Jornada: Establece el tipo de jornada de la institución educativa del estudiante. Se ha
decidido incluir esta variable debido a la influencia que el tipo de jornada escolar tiene
sobre el desempeño académico y la calidad de la educación en Colombia (Bonilla, 2011).
Valor pensión colegio: Valor mensual de la pensión del colegio al que asiste el estudiante.
En este estudio es empleada como una buena proxy para determinar si el colegio es oficial
o no oficial.
Población étnica: Porcentaje de población étnica en el departamento donde reside el
estudiante.
4.1.2. Modelo de desempeño académico
En la sección dos se cuantificó la brecha académica de los estudiantes étnicos con los no
étnicos a nivel nacional y departamental. Sin embargo, dicho análisis es incompleto, ya que
no permite establecer la composición de dicha brecha. Es decir, no se puede definir con
exactitud hasta qué punto la brecha es atribuible a las diferencias en las características de
los grupos analizados o a factores no observados.
Por lo tanto, en esta subsección se introduce la metodología empleada para
descomponer la brecha en el desempeño académico de los estudiantes étnicos con respecto
a los no étnicos. Como veremos en detalle, dicha metodología requiere de la estimación de
dos modelos por separado, uno para los estudiantes étnicos y el otro para los estudiantes no
étnicos.
El modelo de desempeño académico a estimar, tanto para los estudiantes étnicos
como para los no étnicos, es el siguiente:
[1]: ������ � �� ��, � � � ��, ��
Donde ������ es el logaritmo natural del puntaje obtenido por cada estudiante en el
área j, � es una matriz que contiene las características individuales observables del
18
estudiante, su hogar y colegio, las cuales son fijas e independientes del área que se evalúa,
� es un vector que contiene los parámetros de la pendiente y el intercepto, además de
proporcionar una medida del incremento medio en el desempeño académico de los
estudiantes ante cambios en las características observables de los mismos. M y L se refieren
a las áreas de matemática y lenguaje, respectivamente. El vector ��~��0, ��2� es un término
de error.
La descomposición Blinder-Oaxaca (BO) (Blinder 1993; Oaxaca 1993) es una
metodología empleada comúnmente para estudiar los resultados asociados al mercado
laboral, por género o raza. Específicamente, se utiliza para analizar el diferencial salarial.
Sin embargo, esta metodología puede ser empleada para analizar diferencias grupales en
cualquier variable de resultado (incluyendo puntajes académicos), lo que permite
fácilmente su incorporación al análisis del diferencial medio en el puntaje asociado a las
pruebas SABER 11.
En nuestro caso particular, la descomposición BO consiste en evaluar la brecha
académica esperada (tanto en matemática como lenguaje) entre los estudiantes étnicos y no
étnicos. Siguiendo la explicación presentada por Ospino, Roldán y Barraza (2009) y Galvis
(2010), este método descompone la media del diferencial en el puntaje en una parte que es
explicada por diferencias grupales en las características observables que influyen sobre el
desempeño académico de los estudiantes (características individuales, del hogar y el
colegio) y otra parte residual (no observable) que no puede ser atribuida a dichas
características, dentro de las cuales se podría incluir la discriminación.
4.1.3. Descomposición Blinder-Oaxaca
La descomposición BO establece que para obtener la brecha asociada a la variable de
resultado se debe plantear el diferencial medio. Por lo tanto, si quisiéramos analizar
detalladamente la brecha en desempeño académico entre los dos grupos, tendríamos que
plantear la siguiente ecuación:
[2]: �������,�� � �����,��� � ������,� � ���,�� ����,� � ��,��, � � � ��, ��
19
Donde el subíndice NE se refiere a estudiantes no étnicos y el subíndice E se refiere
al grupo étnico.
Si sumamos y restamos en la ecuación [2] el puntaje que obtendrían los estudiantes
étnicos si tuvieran el desempeño académico de los estudiantes no étnicos (����,�)8, esta
puede plantearse de la siguiente forma:
[3]: �������,�� � �����,��� � ���� � �����,� �����,� � �,�� ����,� � ��,��, � � � ��, ��
Aplicando la expectativa condicional a [3] tenemos lo siguiente:
[4]: �������,�� � �����,��� � !���� � ���"��,� !��"���,� � �,��, � � � ��, ��
Donde
!��� � ��" � !���" � !��" � 0
La ecuación [4] está compuesta por dos términos. El primero de ellos ( !���� �
���"��,�) determina el diferencial esperado en el puntaje atribuible a las diferencias en las
características individuales observables de los estudiantes, conocido como efecto dotación.
En pocas palabras, dicha expresión determina el incremento esperado en el puntaje
obtenido por los estudiantes étnicos en el área j si tuvieran las características
socioeconómicas de sus pares no étnicos. El segundo término !��"���,� � �,�� determina
el diferencial en el puntaje atribuible a diferencias en el desempeño académico (brecha
atribuible a diferencia en los coeficientes).
La descomposición BO implica la construcción de un término contrafactual, el cual
permite medir las diferencias atribuibles a las dotaciones y los factores no observados. De
los términos en [4], se conoce �����,� y ���,�, los cuales corresponden al puntaje predicho
para los estudiantes no étnicos y étnicos, respectivamente. Sin embargo, no se conoce
����,� , lo que corresponde al puntaje que obtendrían los estudiantes no étnicos si tuvieran
las dotaciones de sus compañeros étnicos. Ello representa el contrafactual que permite, en
últimas, estimar la diferencia atribuible a cada factor.
8 En esta investigación, los coeficientes del modelo se interpretan como el desempeño académico de los estudiantes.
20
Siguiendo la implementación de la descomposición BO propuesta por Jann (2008),
incluimos un tercer término en [4], el cual consiste en la interacción entre los primeros dos,
es decir, en la interacción entre las diferencias atribuibles a las dotaciones y los factores no
observados. Ello permite considerar las diferencias simultáneas que pueden existir entre los
dos grupos. De esta forma, la descomposición BO quedaría planteada de la siguiente forma:
[5]: �������,��� � ������,��� � !���� � ���"��,� !��"���,� � �,�� !���� � ���"���,� �
�,��, � � � ��, ��
Vale la pena aclarar que la metodología BO descompone la brecha del rendimiento
académico entre estudiantes étnicos y no étnicos evaluando en la media condicional, tal
como sucede en la estimación por Mínimos Cuadrados Ordinarios (MCO). Por esta razón,
algunos autores han propuesto la extensión o generalización de la misma al método de
regresiones por cuantiles (Machado y Mata, 2005). Es decir, evaluar el diferencial medio en
el puntaje en distintos puntos de la distribución con el objetivo de determinar posibles
heterogeneidades en la distribución de los mismos9.
4.1.4. Descomposición Blinder-Oaxaca por cuantiles
La descomposición BO propuesta en la subsección anterior permite establecer la existencia
de una brecha académica y descomponerla en factores atribuibles a diferencias dotacionales
o factores no observables. Sin embargo, al evaluar el diferencial en el puntaje académico en
la media condicional, dicha metodología asume que éste es constante e independiente del
desempeño académico de los estudiantes. Este método no permitiría considerar las
variaciones en el tamaño o los atributos de la brecha a lo largo de la distribución de los
puntajes académicos. Por lo tanto, los resultados asociados a la misma podrían estar
subestimado (sobreestimando) la brecha académica de los estudiantes étnicos, dependiendo
del punto de la distribución que se mire. Por ejemplo, es posible que en la parte baja de la
distribución (estudiantes con bajo desempeño académico) la brecha académica sea más
amplia que la observada para los estudiantes con un mejor desempeño académico. Por
ejemplo, Barón (2010) encuentra que la brecha de rendimiento académico de Barranquilla
9 Para un ejemplo de brechas salariales utilizando esta aproximación, ver Galvis (2010).
21
con respecto a Bogotá es más amplia en la parte baja de la distribución de rendimiento y
tiende a reducirse en la parte superior de la distribución. Este tipo de hallazgos hace pensar
que un comportamiento similar podría presentarse al analizar la brecha académica según la
pertenencia a un grupo étnico.
Además, es posible que a medida que nos movemos a lo largo de la distribución de
los puntajes en cada área, la descomposición de la brecha cambie. Por ejemplo, es posible
que entre los estudiantes con un alto desempeño académico la proporción de la brecha
atribuible a los factores no observados sea mayor que entre los estudiantes con bajo
desempeño académico.
Por consiguiente, en esta subsección se propone la extensión de la metodología BO
al método de regresiones por cuantiles propuesto por Koenker y Basset (1978), enfatizando
en una aplicación al análisis del rendimiento académico. Lo novedoso en esta aproximación
consiste en realizar la descomposición BO en cada uno de los cuantiles en los que se
propone dividir la distribución del puntaje académico de los estudiantes. Este método
permite considerar el diferencial en el desempeño académico en distintos puntos de la
distribución, en lugar de enfocarse exclusivamente en la media condicional.
En nuestro análisis de desempeño académico, y siguiendo la propuesta de Machado
y Mata (2005), la regresión por cuantiles consiste en analizar la relación entre las
características individuales observables de los estudiantes y el puntaje obtenido por cada
uno en la prueba SABER 11. Por lo tanto, la regresión por cuantiles se puede plantear de la
siguiente manera:
[6]: #$�������|�� � ���&�, � � � ��, ��
Donde #$!������|�" es la función cuantil para cada área y ��&� indica el incremento
esperado en el puntaje obtenido por cada estudiante en el área j y el cuantil & ante
variaciones en sus características observables.
Teniendo en cuenta lo anterior, el diferencial en el puntaje de los estudiantes étnicos
con los no étnicos se puede plantear de la siguiente forma:
22
[7]: #$�������,��� � #$������,��� � �#$�����&���,�� � #$����&���,��� �#$����&���,�� �
#$����&��,��� ' , � � � ��, ��
Donde ' corresponde al diferencial de los términos de error asociados a cada
modelo. Siguiendo el planteamiento en la subsección anterior, el primer término de la
ecuación [7] indica el diferencial académico atribuible a las diferencias en las dotaciones o
características individuales observables entre estudiantes étnicos y no étnicos para el cuantil
&. Por su parte, el segundo término muestra el diferencial atribuible a las diferencias en los
coeficientes, las características no observables, o bien a la diferencia resultante si los
estudiantes no étnicos tuvieran las dotaciones de sus compañeros no étnicos para el cuantil
&.
Es necesario aclarar que la implementación del método propuesto por Machado y
Mata (2005) no sigue explícitamente la descomposición BO propuesta en la subsección
anterior, ya que no incluye la interacción entre los efectos dotación y desempeño. Además,
ya que se extiende la descomposición BO al análisis de regresión por cuantiles, es necesario
generar una distribución contrafactual asociada al puntaje que obtendrían los estudiantes
étnicos si tuvieran las dotaciones de sus pares no étnicos #$����&���,��10.
5. Resultados
Para descomponer la brecha académica de los estudiantes étnicos con los no étnicos, la
metodología BO estima dos modelos por separado, uno para cada grupo, usando Mínimos
Cuadrados Ordinarios (MCO). Aprovechando esta ventaja, en esta sección se presentan tres
tipos de resultados. Primero, se presentan los determinantes del desempeño académico de
los estudiantes étnicos y no étnicos, según los resultados de las estimaciones por MCO.
Posteriormente, se presentan los resultados asociados a la descomposición BO. Finalmente,
se presentan los resultados asociados a la descomposición BO empleando el método de
regresiones por cuantiles. Lo anterior es llevado a cabo para los dos grupos, las dos áreas
del núcleo común y a nivel departamental.
10 Los detalles asociados a la descomposición contrafactual pueden ser consultados en Machado y Mata (2005), donde se realiza una aplicación al diferencial salarial.
23
5.1. Determinantes del desempeño académico
En el Cuadro No. 3 se presentan los determinantes del desempeño académico de los
estudiantes étnicos y no étnicos utilizando el método de MCO para las áreas de
matemáticas y lenguaje. Como era de esperarse, la educación de la madre es el factor con
mayor influencia sobre el desempeño académico de los estudiantes, tanto étnicos como no
étnicos. Específicamente, a medida que el nivel educativo de la madre aumenta, lo mismo
sucede con el puntaje obtenido por el estudiante en ambas áreas. Sin embargo, en el área de
matemática dicho efecto es mayor para los estudiantes no étnicos. Por ejemplo, un
estudiante no étnico cuya madre tenga estudios de postgrado, tiene en promedio, un puntaje
en matemática 15,72% superior con respecto a un estudiante no étnico cuya madre no tenga
educación. No obstante, esta diferencia es de 12,68% entre los estudiantes étnicos.
Con respecto al resultado anterior, precisamente este es el tipo de diferencia que
podría ser atribuida a factores no observados (diferencia en los coeficientes � y ��) en
contra de la población étnica, ya que para todos los niveles educativos de la madre, el
incremento medio en el puntaje, ante aumentos en su educación, es menor para los
estudiantes étnicos. Ello sugiere que el desempeño académico de estos estudiantes es menor
independientemente de sus características individuales observables.
Lo más interesante, sin embargo, subyace en que el diferencial en favor de los
estudiantes no étnicos tiende a desaparecer al analizar los resultados asociados al área de
lenguaje. Como se puede observar, el diferencial medio entre el puntaje obtenido por los
estudiantes cuyas madres tienen estudios de postgrado y aquellos cuyas madres carecen de
educación, es de 8,56% y 8,52% para los estudiantes no étnicos y étnicos, respectivamente.
Esto resulta lógico, ya que en el área de lenguaje la brecha en el desempeño académico es
aproximadamente la mitad de la observada para el área de matemática.
Al igual que la educación de la madre, el ingreso mensual del hogar influye
positivamente sobre el desempeño académico de los estudiantes, aunque en una menor
proporción. Así, un estudiante no étnico perteneciente a un hogar cuyo ingreso mensual se
encuentra entre 7 y 10 salarios mínimos tiene, en promedio, un puntaje en matemática
10,55% superior al de un estudiante no étnico perteneciente a un hogar cuyo ingreso
24
mensual es menor a 1 salario mínimo. Dicho diferencial es de 7,89% entre los estudiantes
étnicos. No obstante, al analizar estos resultados para el área de lenguaje, la situación
tiende a revertirse, pues entre los estudiantes no étnicos este diferencial es de 6,17%,
mientras que entre los étnicos es de 6,94%.
En nuestra estimación, el efecto del valor mensual de la pensión sobre el desempeño
académico se calcula con respecto a los colegios en los que no se paga pensión. Para
nuestro análisis, se asume que dichos colegios son de carácter oficial. Como se puede
observar en el Cuadro 3, los resultados sugieren que los estudiantes de colegios no oficiales
tienen un mejor desempeño académico que los estudiantes que asisten a colegios oficiales.
Más allá, el incremento medio en el puntaje es proporcional a los aumentos en el valor de la
pensión. Sin embargo, dicho efecto es mayor entre los estudiantes étnicos, lo cual era de
esperarse si se tiene en cuenta el hecho de que una mayor proporción de estudiantes étnicos
asiste a colegios oficiales, donde la calidad de la educación es menor en comparación con la
impartida en colegios oficiales (Núñez, et al., 2002). Por ejemplo, un estudiante no étnico
que asiste a un colegio privado en el cual se paga una pensión cuyo valor es mayor a
$250.000 tiene, en promedio, un puntaje en matemática 10,46% superior al de un
estudiante no étnico que asiste a un colegio público11. Sin embargo este diferencial asciende
a 13,91% entre los estudiantes étnicos. Un resultado similar se obtiene al analizar el área de
lenguaje.
El resultado anterior estaría indicando que los beneficios, en términos de desempeño
académico, derivados de ofrecer una mejor calidad en educación, son mayores entre los
estudiantes étnicos. Ello sugiere que se debe trabajar considerablemente en permitir a este
segmento de la población acceder a una educación de mejor calidad, pues los retornos
serían mayores. Esta sería una buena forma de cerrar o reducir las brechas o desventajas
que debe enfrentar la población étnica no solo en el terreno académico, sino en general, ya
que los mayores retornos en el desempeño académico de los estudiantes étnicos de hoy, se
traducirán en mejores oportunidades e ingresos en el futuro, lo que naturalmente
beneficiará el desempeño académico de sus hijos y así sucesivamente.
11 Se asume que un colegio público corresponde a aquel en el cual el estudiante no paga una pensión.
25
Un resultado interesante se obtiene al analizar los resultados relacionados con el
género, donde las mujeres obtienen, en promedio, menores puntajes que lo hombres
independientemente del grupo que se mire. Sin embargo, la diferencia en el puntaje
atribuible al género es menor entre estudiantes étnicos. Concretamente, mientras que las
mujeres no étnicas obtienen en promedio un puntaje en matemática 6,11% menor al de los
hombres, dicha diferencia es del 4% para las estudiantes étnicas. Ello no implica que las
estudiantes étnicas tengan un mejor desempeño académico que sus pares no étnicas, sino
que la brecha académica basada en el género es menor entre los estudiantes étnicos. Esta
relación se vuelve aún más robusta al analizar estos resultados para el área de lenguaje.
Otro factor de vital importancia corresponde a la concentración de población étnica
en el departamento de residencia del estudiante. Tal como se esperaba, los resultados
indican que a mayor concentración de población étnica, menor es el desempeño académico
del estudiante. Dicho efecto es esencialmente el mismo para los dos grupos.
Otras variables del estudiante que también afectan su desempeño académico
incluyen el área en que vive, si trabaja, la jornada escolar y el número de personas que
conforman el núcleo familiar. Si el estudiante vive en la cabecera municipal, por ejemplo,
en promedio obtiene un puntaje, en matemática, entre 2,56% y 3% mayor, con respecto a
un estudiante que vive en el área rural, según el grupo que se mire. Esta ventaja beneficia
principalmente a los estudiantes no étnicos, ya que una mayor proporción de estos vive en
la cabecera municipal. Que el estudiante trabaje genera, en promedio, una reducción del
puntaje, al igual que el número de personas que conforman el núcleo familiar. Esto era de
esperarse, ya que cuando el estudiante trabaja tiene menos tiempo para estudiar. De igual
forma, a medida que se incrementa el número de personas en el núcleo familiar, como por
ejemplo el número de hermanos, los padres tienen menos posibilidades de involucrarse,
enfocarse y dedicar esfuerzo a las actividades académicas del niño. Finalmente, estudiar en
una jornada distinta a la completa conlleva, en promedio, a puntajes más bajos en la prueba.
Por ejemplo, estudiar en una jornada nocturna o sabatina-dominical se asocia con puntajes
que son en promedio 8,9% y 9,3% más bajos entre los estudiantes no étnicos y 4,9% y
3,8% entre los estudiantes étnicos, dependiendo del área que se estudie, lo cual era de
esperarse, ya que este tipo de estudiantes son los que generalmente trabajan y como hemos
26
visto, el que un estudiante trabaje afecta negativamente su desempeño académico. Este
resultado indica que la jornada también influye significativamente sobre el desempeño
académico de los estudiantes (Bonilla, 2010), siendo su efecto mayor entre los estudiante
no étnicos.
27
Cuadro No. 3. Determinantes del desempeño académico en la prueba SABER 11 para estudiantes étnicos y no étnicos, por área (2010).
Variables CoeficienteError
Estándar CoeficienteError
Estándar CoeficienteError
Estándar CoeficienteError
Estándar
Población etnica -0,0014 *** 0,00002 -0,0012 *** 0,00005 -0,0006 *** 0,00001 -0,0005 ** 0,00003Número de personas en el grupo familiar -0,0047 *** 0,0001 -0,0046*** 0,0006 -0,0033 *** 0,0001 -0,0019 ** 0,0004Trabaja (=1) -0,0193 *** 0,001 -0,0197 *** 0,0044 -0,0146 *** -0,0007 -0,0185 ** 0,0029Mujer (=1) -0,0611 *** 0,0006 -0,04004*** 0,0025 -0,0046 *** 0,0004 -0,0009 0,0017Área (cabecera municipal=1) 0,0256 *** 0,0008 0,0308 *** 0,0028 0,014 *** 0,0005 0,0142 ** 0,0018
Jornada
Mañana -0,0034 *** 0,0007 0,0083 *** 0,003 -0,0031 *** 0,0005 -0,00001 0,002Noche -0,0893*** 0,0013 -0,0492*** 0,0055 -0,0549*** 0,0008 -0,0416** 0,0036Sabatina-Dominical -0,093 *** 0,0016 -0,0384*** 0,0084 -0,0592*** 0,0011 -0,0444** 0,0055Tarde -0,0117*** 0,001 0,0037 0,0041 -0,0091*** 0,0006 -0,0036 0,0027
Ingreso familiar mensual
Entre 1 y menos de 2 SMMLV 0,0227 *** 0,0007 0,0234 *** 0,0029 0,0134 *** 0,0005 0,0105 *** 0,0019Entre 2 y menos de 3 SMMLV 0,0499 *** 0,0011 0,0428*** 0,0054 0,0302 *** 0,0007 0,0176 *** 0,0035Entre 3 y menos de 5 SMMLV 0,0718 *** 0,0016 0,0753 *** 0,0085 0,0429 *** 0,001 0,0368 *** 0,0055Entre 5 y menos de 7 SMMLV 0,0867*** 0,0026 0,0738*** 0,0157 0,051*** 0,0017 0,0356*** 0,0102Entre 7 y menos de 10 SMMLV 0,1055 *** 0,0036 0,0789*** 0,0242 0,0617 *** 0,0023 0,0694 *** 0,015810 o mas SMMLV 0,1278*** 0,0039 0,0793*** 0,023 0,0761*** 0,0026 0,0308** 0,015
Nivel educativo de la madre
Primaria incompleta 0,0267 *** 0,0022 0,0099 0,0061 0,014*** 0,0014 0,0167 *** 0,0039Primaria completa 0,0364 *** 0,0022 0,025 *** 0,0062 0,0161 *** 0,0014 0,0231 *** 0,0041
Secundaria incompleta 0,0553 *** 0,0022 0,0379 *** 0,0065 0,027 *** 0,0014 0,0287 *** 0,0042
Secundaria completa 0,0714 *** 0,0022 0,0544 *** 0,0063 0,0352 *** 0,0014 0,0366 *** 0,0041
Técnico o tecnológico incompleto 0,1002 *** 0,0033 0,0834 *** 0,0143 0,0511 *** 0,0022 0,0457 *** 0,0093
Técnico o tecnológico completo 0,1201 *** 0,0025 0,1118*** 0,0096 0,066 *** 0,0017 0,0658 *** 0,0063
Profesional incompleto 0,1255 *** 0,0033 0,1165 *** 0,0147 0,0689 *** 0,0022 0,0646 *** 0,0096Profesional completo 0,1155 *** 0,0025 0,0905 *** 0,0081 0,0632 *** 0,0016 0,0578 *** 0,0053Postgrado 0,1572 *** 0,0034 0,1268 *** 0,0142 0,0856 *** 0,0022 0,0852*** 0,0093Educación de la madre desconocida 0,0282 *** 0,0027 0,0257 *** 0,0098 0,0111 *** 0,0018 0,0217 *** 0,0064
Valor pensión colegio
Menos de $87.000 0,00000965 0,0009 0,0111 ** 0,0044 -0,0032 *** 0,0006 0,0044 0,0029Entre $87.000 y menos de $120.000 0,0264 *** 0,0017 0,0448 *** 0,0122 0,014 *** 0,0011 0,0198 ** 0,008
Entre $120.000 y menos de $150.000 0,0477 *** 0,0021 0,0494 *** 0,0146 0,0329 *** 0,0014 0,0414 *** 0,0096
Entre $150.000 y menos de $250.000 0,0762 *** 0,0018 0,0982 *** 0,012 0,0482 *** 0,0012 0,0586 *** 0,0079$250.000 o más 0,1046 *** 0,0022 0,1391 *** 0,0156 0,0659 *** 0,0014 0,0845 *** 0,0102
Constante 3,7462 *** 0,0024 3,6876 *** 0,0076 3,7934 *** 0,0016 3,7564*** 0,0049
Observaciones
R-Cuadrado
No étnico Étnico Matemáticas Lenguaje
No étnico Étnico
506.0050,1093
34064
0,059
505.806
0,1471
34.035
0,0936
Fuente: Cálculos del autor con base a información del ICFES (SABER 11). (***), (**) y (*) denotan significancia estadística a niveles de 1, 5 y 10%, respectivamente.
28
5.2.Descomposición de la brecha académica
Ahora que hemos estudiado los determinantes del desempeño académico de los estudiantes,
podemos proceder a analizar los resultados asociados a la descomposición de la brecha
académica de los estudiantes étnicos con los no étnicos, los cuales son presentados en el
Cuadro No. 4. Se puede constatar que existe una brecha académica de 9,6% en el área de
matemática y de 4,75% en lenguaje, las cuales son estadísticamente significativas a
cualquier nivel de significancia, además son consistentes con la brecha encontrada en la
sección 2.
Cuadro No. 4. Descomposición Blinder-Oaxaca de la brecha académica de los estudiantes étnicos con los no étnicos en la prueba SABER 11 (2010).
Matemáticas Lenguaje
Coeficiente Error
estándar Coeficiente Error
estándar
Puntaje medio no étnicos 3,7694 *** 0,0003 3,8165 *** 0,0002
Puntaje medio étnicos 3,6733 *** 0,0013 3,7689 *** 0,0008 Brecha 0,0960 *** 0,0013 0,0475 *** 0,0008
Descomposición Dotación 0,0575 *** 0,0014 0,0258 *** 0,0258 Factores no observados 0,0374 *** 0,0014 0,0171 *** 0,0171 Interacción 0,0010 0,0015 0,0045 *** 0,0045
Observaciones 539.841 540.069 Nota: El número de observaciones es distinto ya que algunos estudiantes no respondieron las dos áreas del núcleo común. Fuente: Cálculos del autor con base a información del ICFES (SABER 11). (***) denota significancia estadística al 1%.
La descomposición BO indica que las marcadas desventajas en las dotaciones
asociadas a la población étnica (bajos ingresos y menor educación) explican, en buena
medida, el diferencial medio en el desempeño académico. Específicamente, 5,75 p.p. del
diferencial son atribuibles a diferencias en las dotaciones. No obstante, aún se tienen un
3,74 p.p. de la brecha que no pueden ser atribuidos a dichas diferencias en las
características observables. En este caso, habría una diferencia en el desempeño académico
atribuible a factores no observados, ya que el desempeño académico de los étnicos es
menor independientemente de sus características observables.
29
Al analizar los resultados asociados a lenguaje, se puede observar que la brecha
académica es menor en esta área. Al igual que en matemática, una buena proporción de la
brecha académica puede ser atribuida a diferencias en las dotaciones (2,5%) y otra parte
corresponde a diferencias en el desempeño académico atribuibles a los factores no
observados (1,7%). Sin embargo, en esta área existen simultáneamente diferencias
dotacionales y de factores no observados, reflejadas en la significancia estadística de la
interacción.
5.2.1. Descomposición de la brecha académica departamental
Tal como se estableció en la sección 2, la brecha académica varía significativamente de
acuerdo con el departamento en que reside el estudiante. Como se pudo observar en el
análisis basado en desviaciones porcentuales, en departamentos como Nariño y Cauca
existe una amplia brecha académica, tanto en matemática como en lenguaje, mientras que
en otros como Bogotá y Santander, dicha brecha es inexistente. La marcada variación de la
brecha académica a nivel departamental constituye una motivación sustancial para
descomponerla en cada departamento. Ello con el objetivo de determinar hasta qué punto la
composición de la misma podría variar al ser analizada en cada departamento.
En el Cuadro No. 5, se muestran los resultados asociados a la descomposición BO
para cada departamento. Se puede observar que para el área de matemática el tamaño de la
brecha está entre el 2% y el 14%, dependiendo del departamento que se mire, mientras que
para lenguaje esta se encuentra entre el 1,5% y el 6%. Adicionalmente, en dicho cuadro se
ordenan los departamentos de acuerdo al tamaño de la brecha académica predicha por la
descomposición. Como se puede observar, departamentos como Amazonas, Vaupés y
Vichada constituyen aquellos donde mayor es la brecha académica en el área de
matemática, mientras que Bogotá, Santander y Huila no presentan brechas estadísticamente
significativas. Por su lado, Cauca y Nariño son los departamentos con la brecha académica
más amplia en el área de lenguaje.
Hasta ahora estos resultados solamente confirman los hallazgos presentados en la
sección 2. Sin embargo, lo interesante de esta subsección se evidencia al analizar la
descomposición del diferencial académico en cada departamento según el efecto dotación o
30
desempeño. Resulta que en aquellos departamentos donde la brecha académica es más
amplia, es decir, aquellos con el porcentaje más alto de población étnica, mayor es la
proporción de la brecha atribuible a factores no observados (ver Cuadro No. 5). Ello quiere
decir que en dichos departamentos la brecha académica se explica principalmente por
aspectos no observados que perjudican a la población étnica. Por ejemplo, en Nariño, el
93,7% del diferencial medio en el puntaje en matemática es atribuible a este efecto. No
obstante, en otros departamentos donde, tanto la concentración de población étnica como la
brecha académica son menores, como Atlántico, la totalidad de la brecha puede ser
atribuida a las diferencias en las dotaciones.
En pocas palabras, en departamentos con poca concentración de población étnica, la
brecha académica no solo es menor, sino que es atribuible a principalmente a diferencias
dotacionales, mientras que en los departamentos con alta concentración étnica, dicho
diferencial no solo tiende a ser mayor sino que es atribuible, en su mayoría, a factores no
observados. Más allá de lo anterior, los resultados estarían indicando que la mayor parte de
la brecha académica en Colombia a nivel departamental, entre estudiantes étnicos y el resto,
es atribuible a los factores no observados.
El resultado obtenido a nivel departamental contrasta notablemente con el nacional,
el cual establece que la mayor parte de la brecha académica es atribuible a las diferencias
en dotaciones. Ello llevaría a una conclusión que en algunos casos no sería consistente con
lo observado a nivel departamental, ya que se ha podido constatar que la composición de la
misma puede llegar a variar sustancialmente al ser estudiada en cada departamento, siendo
atribuida principalmente, en varios casos, a los factores no observados.
31
Cuadro No. 5. Descomposición Blinder-Oaxaca por departamento (Prueba Saber 11, 2010).
Departamento Brecha
Error Estándar
Efecto Dotación
Error Estándar
Efecto Desempeño
Error Estándar
InteracciónError
EstándarObservaciones
Amazonas 0.1411 *** 0.0216 0.0726 *** 0.028 0.123 *** 0.0345 -0.0545 0.039 694
Vaupes 0.1327 *** 0.0405 0.065 0.0409 0.1306 0.0829 -0.0629 0.0865 250
Vichada 0.1242 *** 0.027 0.0191 0.0333 0.0984 *** 0.0334 0.0067 0.0387 450
Nariño 0.119 *** 0.0047 0.01201 *** 0.0031 0.1115 *** 0.0048 -0.0045 0.0033 15018
Cauca 0.1086 *** 0.0045 0.019 *** 0.0031 0.0908 *** 0.0048 -0.0012 0.0035 11868
Caldas 0.1014 *** 0.0093 0.0692 *** 0.0147 0.0431 *** 0.0095 -0.0109 0.0148 11986
Guainia 0.0775 0.047 0.0976 *** 0.0342 -0.1083 0.0769 0.08828 0.0757 154
San Andrés 0.0729 *** 0.0172 0.0359 *** 0.0151 0.0451 *** 0.02 -0.0082 0.0192 874
Córdoba 0.0661 *** 0.0054 0.0427 *** 0.0062 0.0307 *** 0.0055 -0.0073 0.0062 17926
Antioquia 0.0652 *** 0.0048 0.0247 *** 0.0034 0.0475 *** 0.0045 -0.0071 *** 0.003 76513
Valle 0.064 *** 0.0042 0.0148 *** 0.0032 0.0569 *** 0.0041 -0.0077*** 0.0031 36917
Sucre 0.0597 *** 0.0064 0.0279 *** 0.005 0.0214 *** 0.0065 0.0104 ** 0.0051 10847
La Guajira 0.0498 *** 0.0077 0.0349 *** 0.0057 0.0141 0.0084 0.0006 0.0067 6383
Bolívar 0.0467 *** 0.0058 0.0367 *** 0.0088 0.0214 *** 0.0058 -0.0114 0.0089 25087
Cesar 0.0428 *** 0.0102 0.012 0.0093 0.0216 ** 0.0101 0.009 0.0092 11413
Tolima 0.0413 *** 0.0085 0.0435 *** 0.0085 0.0186 *** 0.0083 -0.0208 *** 0.0082 16449
Magdalena 0.0384 *** 0.0127 0.0373 ** 0.0183 0.0114 0.0125 -0.0103 -0.0182 13837
Putumayo 0.0366 *** 0.0122 0.0144 ** 0.007 0.0199 0.0119 0.0022 0.0067 3092
Casanare 0.0348 0.0296 -0.0151 0.032 0.0148 0.0281 0.0351 0.0306 4814
Risaralda 0.0335 *** 0.0122 0.0063 0.0093 0.023 0.0118 0.0041 0.0087 10941
Chocó 0.0272 ** 0.0026 0.0123 *** 0.0037 0.0119 0.013 0.0029 0.0086 4050
Guaviare 0.0267 0.0377 -0.0033 0.0697 0.0352 0.0381 -0.0047 0.071 774
Cundinamarca 0.023 0.0147 0.0135 0.0142 0.0196 0.0143 -0.0101 0.0137 35475
Meta 0.0222 ** 0.011 0.0087 * 0.013 0.0001 0.0108 0.0132 0.0128 10454
Atlántico 0.0216 *** 0.0083 0.02194 *** 0.0062 0.0051 0.0078 -0.0054 0.0054 27442
Boyacá 0.0076 0.0286 -0.0243 0.0219 0.0369 0.0276 -0.0049 0.0206 18150
Caquetá -0.0002 0.037 -0.0095 0.048 0.0125 0.0344 -0.0032 0.0461 4138
Quindío -0.0014 0.0187 0.1321 *** 0.0399 -0.0204 0.0178 -0.1131 *** 0.03951 6998
Arauca -0.0019 0.0213 -0.0077 0.0193 -0.0136 0.0215 0.0194 0.0195 2924
Bogotá -0.003 0.0064 -0.0132 *** 0.0039 0.0208 *** 0.0059 -0.1064 *** 0.0029 97342
Huila -0.0151 0.0201 0.0125 0.0175 0.0077 0.0186 -0.0355 0.0158 12932
Santander -0.0186 0.0232 -0.0737 *** 0.0198 0.0201 0.021 0.0349 ** 0.0171 27321
Norte de Santander -0.0267 0.0141 -0.0142 0.0264 -0.0127 0.0134 0.0002 0.026 16328
Matemáticas
32
(Continuación…) Cuadro No. 5. Descomposición Blinder-Oaxaca por departamento (Prueba Saber 11, 2010).
Departamento Brecha
Error Estándar
Efecto Dotación
Error Estándar
Efecto Desempeño
Error Estándar
InteracciónError
EstándarObservaciones
Nariño 0.0596 *** 0.003 0.0089 *** 0.002 0.0535 *** 0.003 -0.0028 0.002 15027
Cauca 0.0534 *** 0.0029 0.0069 *** 0.002 0.0463 ** 0.0031 0.0002 0.0022 11876
Antioquia 0.0474 *** 0.0033 0.0114 *** 0.0023 0.0387 *** 0.0032 -0.0026 0.0022 76561
Caldas 0.0385 *** 0.0055 0.0375 *** 0.0089 0.007 0.0058 -0.006 0.009 11992
Tolima 0.0361 *** 0.0061 0.0182 *** 0.0061 0.0258 *** 0.006 -0.0079 0.0061 16451
Casanare 0.0357 ** 0.0162 -0.0021 0.0175 0.0251 0.0166 0.0126 0.0178 4815
Córdoba 0.0344 *** 0.0034 0.0262 *** 0.0039 0.0176 *** 0.0035 -0.0094 *** 0.004 17935
Vichada 0.033 0.1691 0.0191 0.0204 0.0135 *** 0.0217 0.0003 0.0248 450
Guainia 0.0307 0.0251 0.0019 *** 0.0214 -0.0725 0.0427 0.1013 0.0438 154
La Guajira 0.0295 *** 0.0051 0.0149 *** 0.0038 0.0158 *** 0.0057 -0.0012 0.0045 6386
Valle 0.0294 *** 0.0027 0.0064 *** 0.002 0.0275 *** 0.0027 -0.0044*** 0.002 36930
Chocó 0.0247 *** 0.0069 0.0069 *** 0.0024 0.013 0.0082 0.0047 0.0055 4055
Bolívar 0.0236 *** 0.0039 0.0235 *** 0.006 0.0099 *** 0.0039 -0.0097 0.0061 25102
Risaralda 0.0236 *** 0.0076 0.0114 ** 0.0057 0.0148 0.0075 -0.0026 0.0055 10945
Vaupes 0.0225 0.031 -0.0051 0.0238 -0.0799 0.0629 0.1076 0.0644 250
Guaviare 0.0223 0.0345 0.0147 0.0624 0.0484 0.0361 -0.0409 0.0633 774
Sucre 0.0221 *** 0.004 0.012 *** 0.0031 0.001 0.0041 0.009 0.0032 10852
San Andrés 0.0191 0.0112 0.0092 0.0101 0.0138 0.0132 -0.0039 0.0127 875
Putumayo 0.0165 *** 0.0074 0.0058 0.0041 0.0105 0.0073 0.0001 0.004 3093
Meta 0.0163 *** 0.0071 0.0194 *** 0.0084 0.0056 0.007 -0.0086 0.0083 10459
Amazonas 0.0152 0.0111 0.0197 0.0135 -0.0129 0.0189 0.0084 0.0267 695
Atlántico 0.0149 *** 0.0055 0.0083 ** 0.0039 0.0072 0.0052 -0.0006 0.0036 27459
Cesar 0.0125 0.0066 0.0114 0.006 0.0025 0.0067 -0.0014 0.0061 11423
Cundinamarca 0.0118 0.0096 0.0005 0.0092 0.0082 0.0094 0.003 0.009 35483
Magdalena 0.0096 0.0077 0.0266 *** 0.0113 -0.0053 0.0077 -0.0116 0.1127 13846
Arauca 0.0092 0.0201 0.0302 0.0179 0.0051 0.0196 -0.0261 0.0174 2925
Quindío 0.0059 0.0108 0.0073 0.0239 -0.0055 0.0109 0.004 0.0239 7002
Boyacá 0.0007 0.0147 -0.0156 0.0099 0.015 0.0142 0.0013 0.0091 18154
Bogotá -0.0018 0.0043 -0.007 *** 0.0025 0.0116 *** 0.004 -0.0063 *** 0.001 97361
Norte de Santander -0.0074 0.0096 -0.0231 0.0178 0.0028 0.0094 0.0128 0.0177 16335
Caquetá -0.0118 0.0206 0.0164 0.0271 -0.0035 0.0196 -0.0248 0.0263 4140
Huila -0.0187 0.0109 0.0041 0.0092 -0.0067 0.0106 -0.0161 0.0088 12938
Santander -0.0222 0.0128 -0.0251 *** 0.0105 -0.005 0.0122 0.0078 0.0097 27326
Lenguaje
Fuente: Cálculos del autor con base a información del ICFES (SABER 11) (***), (**) y (*) denotan significancia estadística a niveles de 1, 5 y 10%, respectivamente.
33
5.3.¿Cambia la composición de la brecha académica departamental a lo largo de la curva de rendimiento?
Al llevar a cabo la descomposición BO por cuantiles se encuentra que los resultados son
heterogéneos12. En el área de matemática, por ejemplo, los resultados justifican haber
realizado dicha extensión del modelo, ya que se puede observar que el tamaño de la brecha
académica cambia considerablemente a medida que nos desplazamos sobre la curva de
desempeño académico, al igual que con los factores explicativos de la misma (ver Anexo
No. 3). Sin embargo, cuando se analizan los resultados asociados al área de lenguaje, este
comportamiento es menos robusto, lo cual es un resultado esperado, ya que en el área de
matemática hay una mayor volatilidad en la distribución de los puntajes obtenidos por los
estudiantes, tanto étnicos como no étnicos.
Siguiendo con el análisis, los resultados indican que en ocho de los veintiún
departamentos en los cuales la brecha académica es estadísticamente significativa (según lo
establecido en la subsección 5.2.1) en el área de matemática, esta tiende a incrementarse
entre los estudiantes con un alto desempeño académico. Análogamente, en cuatro
departamentos la brecha tiende a reducirse entre los estudiantes que obtuvieron altos
puntajes, mientras que en los restantes nueve, la brecha académica no exhibe una tendencia
clara.
Para el 50% de los casos en los que la brecha académica sigue una clara tendencia al
ser evaluada a lo largo de la distribución de los puntajes, los anteriores resultados no
implican que en los departamentos donde esta aumenta (disminuye) entre los estudiantes
con alto desempeño académico, los estudiantes étnicos de dicho departamento tengan, en
promedio, menores (mayores) puntajes en comparación con sus pares en otros
departamentos. En ese orden de ideas, el resultado solo indica que para los estudiantes de
estos departamentos y con altos puntajes en el área de matemática, la brecha académica de
los estudiantes étnicos con respecto a los no étnicos tiende a ser mayor.
Un caso particularmente llamativo es Cesar, y en una menor proporción, Tolima, ya
que la brecha académica presenta un comportamiento en forma de una U invertida. Es
12 Específicamente, para descomponer la brecha en el desempeño académico se utilizó el comando cdeco en STATA, propuesto por Chernozhukov, Fernandez-Val y Melly (2008).
34
decir, la brecha académica de los estudiantes étnicos con los no étnicos se incrementa
gradualmente hasta llegar al quinto decil, para posteriormente disminuir hasta llegar a un
nivel equivalente al que se tenía en el primero. Igualmente llamativo resulta el caso de
Chocó, donde la brecha académica tiende a incrementarse entre los estudiantes de alto
desempeño académico, pero con unas fluctuaciones abruptas.
Al estudiar los resultados asociados a la descomposición BO por cuantiles se
evidencia la heterogeneidad en el comportamiento de la brecha académica a nivel
departamental. Ello genera dificultades al momento de interpretar los resultados. La razón
por la cual en algunos departamentos la brecha se hace más amplia (estrecha) entre los
estudiantes con un alto desempeño académico constituye un análisis que requiere indagar
acerca de las peculiaridades de cada uno de estos departamentos, por esta razón, este
análisis se deja abierto para futuras investigaciones relacionadas con la etnia y el
desempeño académico.
En cuanto al comportamiento de los factores a los cuales se les puede atribuir la
existencia de la brecha académica, se podría decir que el efecto asociado a los factores no
observados es el que determina, en gran medida, las variaciones en el tamaño de la misma,
ya que este factor es el que presenta mayores variaciones a lo largo de la distribución de los
puntajes, pues el efecto dotacional tiende a permanecer relativamente constante.
Igualmente, el análisis por cuantiles permite constatar que en los departamentos donde la
brecha académica tiende a ser significativa, la mayor parte de esta es atribuible a los
factores no observados, tal como se encontró en la subsección anterior.
Al igual que con el comportamiento asociado a la brecha académica, el efecto
desempeño presenta tendencias espúreas. Es decir, en algunos departamentos el efecto de
los factores no observados tiende a ser mayor entre los estudiantes con altos puntajes,
mientras que en otros sucede lo contrario.
En cuanto al área de lenguaje también se obtienen algunos resultados interesantes.
Por ejemplo, en Casanare la brecha en el desempeño académico tiende a incrementarse
proporcionalmente con los puntajes obtenidos por los estudiantes. De igual forma, en este
departamento la mayor parte de la brecha académica en esta área es atribuible a factores no
35
observados. Por su lado, en el Meta, la brecha académica tiende a reducirse
considerablemente hasta el tercer cuantil, para luego mantenerse constante entre los
estudiantes con un alto desempeño académico.
No obstante, en la mayoría de los departamentos con una brecha académica
estadísticamente significativa en el área de lenguaje, esta no presenta mayores variaciones a
lo largo de la curva de desempeño académico, ya que, a diferencia de lo encontrado para el
área de matemática, la brecha fluctúa alrededor de los valores medios encontrados al
realizar la descomposición BO en la subsección 5.2.1. (Ver Anexo No. 4) Lo mismo sucede
con los factores explicativos de la brecha en el desempeño académico.
6. Conclusiones
Este estudio analiza la brecha en el desempeño académico entre estudiantes étnicos y no
étnicos a nivel departamental. Los resultados indican que efectivamente existe una brecha
académica estadísticamente significativa entre estos dos grupos, la cual se evidencia en el
mayor puntaje medio obtenido en las áreas de matemática y lenguaje por los estudiantes no
étnicos.
Al descomponer la brecha académica a nivel departamental se detectaron dos
hechos de suma importancia: i) En departamentos con una alta concentración de población
étnica existe una brecha académica estadísticamente significativa. Adicionalmente, dicha
brecha en el desempeño académico tiende a hacerse más amplia en estos departamentos.
Este resultado indica que a los estudiantes étnicos residentes en los departamentos de
menor concentración de población étnica, o más prósperos, les va mejor en comparación
con sus pares en regiones de alta concentración étnica. ii) En departamentos donde la
brecha académica es estadísticamente significativa, esta es atribuible, en gran medida, a los
factores no observados. Este último resultado difiere con el obtenido a nivel nacional, el
cual establece que la brecha es explicada principalmente por diferencias dotacionales entre
los grupos. Lo que estos resultados estarían indicando es que en departamentos con una
mayor proporción de población étnica, los factores no observados afectan negativamente el
desempeño académico de los estudiantes pertenecientes a una etnia.
36
Se ha propuesto la migración étnica un como factor que contribuye sustancialmente
a explicar las profundas diferencias en la brecha académica a nivel departamental.
Específicamente, la idea detrás de este argumento subyace en que la población étnica
residente en los departamentos más prósperos corresponde a aquella que ha migrado hacia
estos en busca de mejores condiciones de vida y representa la proporción étnica con las
mejores dotaciones educativas. Por ende, este segmento poblacional es el encargado de
cerrar la brecha académica en dichos departamentos, mientras que en las regiones de origen
permanece una población étnica con menor nivel educativo en comparación con los que
migraron, lo que explicaría, en gran medida, la amplia brecha en los departamentos de
origen.
Al llevar a cabo la descomposición Blinder-Oaxaca en distintos puntos de la curva
de desempeño académico se encontró que en aquellos departamentos con una brecha
académica estadísticamente significativa el comportamiento de la misma no exhibe una
tendencia clara. En algunos casos se encontró que la brecha en el desempeño académico
tiende a hacerse más amplia entre los estudiantes con puntajes altos, sobre todo para el área
de matemática. Sin embargo, en otros casos se obtuvo que la brecha se reduce o permanece
relativamente constante.
Respecto al comportamiento de los factores explicativos de la brecha académica,
resulta que el efecto asociado a los factores no observados es el principal determinante de
las variaciones en el tamaño de la misma según el desempeño de los estudiantes, debido a
su volatilidad. Por lo tanto su comportamiento es esencialmente el mismo en comparación
con la brecha académica. Por su lado, el efecto dotacional permanece relativamente
constante a la largo de la distribución de los puntajes.
Finalmente, en cuanto a los determinantes del rendimiento académico de los
estudiantes, se encontró que la educación de la madre, el ingreso familiar mensual y la
calidad del colegio son los factores con mayor incidencia sobre el puntaje obtenido en las
áreas de matemática y lenguaje, siendo la educación de la madre el factor de mayor
importancia. En ese sentido, resulta sumamente importante que los padres se involucren en
el proceso de formación de capital humano de sus hijos (como lo hacen los padres más
educados).
37
En el caso particular de la calidad del colegio, se encontró que el beneficio, en
términos del desempeño académico, derivado de asistir a un colegio de mayor calidad, es
mayor entre los estudiantes étnicos. Ello sugiere que se debe trabajar considerablemente en
permitir a estos estudiantes acceder a una educación de mejor calidad, pues los retornos
serían mayores en este segmento de la población. Esta constituye una buena estrategia para
reducir la brecha académica y las desventajas que debe enfrentar la población étnica en
general, ya que los mayores retornos educativos se traducirán en mejores oportunidades e
ingresos, en el futuro, para este segmento de la población.
38
7. Bibliografía
Acharya, N. y Joshi, S. (2009). “Influence of Parents’ Education on Achievement
Motivation of Adolescents”, Indian Journal of Social Sciences researches, Vol. 6, No. 1,
pp. 72-79.
Barón, J.D. (2010). “La brecha del rendimiento académico de Barranquilla”, Documentos
de Trabajo Sobre Economía Regional, No. 137, Banco de la República.
——— (2011). “Sensibilidad de la oferta de migrantes internos a las condiciones del
mercado laboral en las principales ciudades de Colombia”, Documentos de Trabajo Sobre
Economía Regional, núm. No. 149, Banco de la República.
Bonilla, L. (2010). “Doble jornada escolar y la calidad de la educación en Colombia”,
Documentos de Trabajo Sobre Economía Regional, No. 143, Banco de la República.
Blinder, A.S. (1973). “Wage discrimination: Reduced form and structural estimates”,
Journal of Human Resources, vol. 8. No. 4. pp. 436–455.
Bonilla, L. (2011). “Doble jornada escolar y la calidad de la educación en Colombia”,
Documentos de Trabajo Sobre Economía Regional, No. 143, Banco de la República.
Chernozhukov V., Fernandez-Val I. and Melly B. (2008). “Inference on Counterfactual
Distributions”, MIT Department of Economics ,Working Paper No. 08-16.
Departamento Administrativo Nacional de Estadística (DANE). (2007). Colombia una
nación multicultural.
Galvis, L. (2010). “Diferenciales salariales por género y región en Colombia: Una
aproximación con regresión por cuantiles”, Revista de Economía del Rosario, vol. 11. No.
2. pp. 235-277.
Instituto Colombiano para el Fomento de la Educación Superior (ICFES). (2010).
“Orientaciones para el examen de Estado de la educación media ICFES SABER 11”.
39
Jann, B. (2008). “A Stata implementation of the Blinder-Oaxaca Decomposition”, The
Stata Journal, vol. 8, No. 4, pp. 453-479.
Koenker, R y Basset, G. (1978). “Regression Quantiles”, Econometrica, vol. 46, No. 1, 33-
50, The Econometric Society.
Machado, J.A. y Mata, J. (2005). “Counterfactual Decomposition of Changes in Wage
Distributions Using Quantile Regression”, Journal of Applied Econometrics, vol. 20, No. 4,
pp. 445-465.
Martine, G. (1975). “Volume, Characteristics and Consequences of Internal Migration in
Colombia”, Demography, vol. 12, No. 2, pp. 193-208, Population Association of America.
Noe, D., Rodriguez, J. y Zúñiga, I. (2005). “Brecha étnica e influencia de los pares en el
rendimiento escolar: evidencia para Chile”, Políticas Sociales, No. 102, Comisión
Económica Para América Latina (CEPAL), Naciones Unidas.
Núñez, J., Steiner, R., Cadena, X. y Pardo, R. (2002). “¿Cuáles colegios ofrecen mejor
educación en Colombia?”, Archivos de Economía, No. 193, Departamento Nacional de
Planeación.
Oaxaca, R. (1973). “Male-Female Wage Differentials in Urban Labor Markets”,
International Economic Review, vol. 14, No. 3, pp. 693-709.
Ospino, C., Roldán, P. y Barraza, N. (2009). “Oaxaca-Blinder wage decompositions:
Methods, critiques and applications. A literature review”, Revista de Economía del Caribe,
No. 5, instituto de Estudios Económicos del Caribe, Universidad del Norte.
Romero, J. (2010a). “Educación, calidad de vida y otras desventajas económicas de los
indígenas en Colombia”, Documentos de Trabajo Sobre Economía Regional, No. 124,
Banco de la República.
——— (2010b). “El éxito económico de los costeños en Bogotá: migración interna y capital
humano”, Documentos de Trabajo Sobre Economía Regional, No. 129, Banco de la
República.
40
Anexo No. 1. Distribución porcentual de la población censada, por pertenencia étnica y departamento (Censo General 2005).
Departamento Indígenas Rom Afrocolombianos Total etnia Población total Porcentaje de
etnia
Chocó 44,127 1 286,011 330,139 348,299 94.79
Vaupés 11,587 1 270 11,858 17,385 68.21
Guainía 11,595 0 185 11,780 17,865 65.94
La Guajira 278,212 1 91,773 369,986 619,135 59.76
San Andrés 62 0 33,861 33,923 59,424 57.09
Vichada 17,663 0 1,126 18,789 39,825 47.18
Amazonas 19,000 0 868 19,868 43,744 45.42
Cauca 248,532 1 256,022 504,555 1,153,285 43.75
Nariño 155,199 89 270,530 425,818 1,438,893 29.59
Bolívar 2,066 911 497,667 500,644 1,802,294 27.78
Valle 22,313 717 1,092,169 1,115,199 4,015,051 27.78
Sucre 82,934 59 121,738 204,731 757,001 27.05
Putumayo 44,515 0 11,630 56,145 212,607 26.41
Córdoba 151,064 29 192,051 343,144 1,453,465 23.61
Cesar 44,835 15 105,412 150,262 869,878 17.27
Nacional 1,392,623 4,857 4,311,757 5,709,237 40,607,408 14.06
Atlántico 27,972 1,975 227,251 257,198 2,096,689 12.27
Antioquia 28,914 75 593,726 622,715 5,458,918 11.41
Magdalena 9,045 1 110,349 119,395 1,123,123 10.63
Guaviare 2,117 0 2,883 5,000 49,281 10.15
Risaralda 24,810 1 43,562 68,373 855,648 7.99
Caldas 38,271 0 22,659 60,930 891,044 6.84
Arauca 3,279 0 5,925 9,204 146,308 6.29
Tolima 55,987 25 15,831 71,843 1,294,666 5.55
Caquetá 5,026 3 11,670 16,699 312,159 5.35
Meta 8,988 3 17,983 26,974 702,790 3.84
Cundinamarca 7,401 30 73,651 81,082 2,186,539 3.71
Santander 2,389 139 60,008 62,536 1,904,515 3.28
Casanare 4,102 18 4,004 8,124 278,087 2.92
Quindío 2,145 37 12,744 14,926 517,778 2.88
Norte de Santander 7,247 187 22,123 29,557 1,196,259 2.47
Huila 10,335 2 11,544 21,881 984,869 2.22
Boyacá 5,859 14 16,646 22,519 1,196,815 1.88
Bogotá 15,032 523 97,885 113,440 6,563,769 1.73 Fuente: Departamento Administrativo Nacional de Estadística, Censo General (2005).
41
Anexo No. 2. Correlación entre el PIB per cápita departamental y el porcentaje de población étnica.
Fuente: Elaboración del autor con base en información del Departamento Administrativo Nacional de Estadística.
Amazonas
Antioquia
Arauca
Atlántico
Bogotá
BolívarBoyacá
Caldas
Caquetá
Casanare
Cauca
Cesar
Chocó
Córdoba
Cundinamarca
GuainíaGuaviare
HuilaLa Guajira
Magdalena
Meta
Nariño
Norte de SantanderPutumayo
QuindíoRisaralda
San Andrés
Santander
Sucre
Tolima
Valle
Vaupés
Vichada
05
1015
2025
PIB
per
cáp
ita d
epar
tam
enta
l
0 20 40 60 80 100Porcentaje de población étnica (2005)
42
Anexo No. 3. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de matemática (Prueba Saber 11, 2010).
0
.04
.08
.12
.16
.2B
rech
a A
cad
émic
a
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Amazonas
0.01.02.03.04.05.06.07.08.09
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Antioquia
-.04
-.03-.02-.01
0.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Arauca
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Atlántico
-.04-.03-.02
-.010
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Bogotá
.01
.02
.03
.04
.05
.06
.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Bolívar
-.03-.02-.01
0.01.02.03.04.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Boyacá
.04
.05
.06
.07
.08
.09
.1.11.12
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Caldas
-.1-.08-.06-.04-.02
0.02.04.06.08.1
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Caquetá
-.03
-.01
.01
.03
.05
.07
.09
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Casanare
0
.02
.04
.06
.08
.1
.12
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Cauca
Brecha Total Efecto Dotación
Efecto Desempeño
43
(Continuación…) Anexo No. 3. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de matemática (Prueba Saber 11, 2010).
0
.01
.02
.03
.04
.05
.06B
rech
a A
cad
émic
a
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Cesar
0.01.02.03.04.05.06.07.08.09.1
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Córdoba
-.05-.04-.03-.02-.01
0.01.02.03.04.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Chocó
-.01
0
.01
.02
.03
.04
.05
.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Cundinamarca
-.38-.3
-.22-.14-.06.02.1
.18
.26
.34
.42
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Guainía
-.03-.02-.01
0.01.02.03.04.05.06.07.08.09
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Guavire
-.05-.04-.03-.02-.01
0.01.02.03.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Huila
0
.01
.02
.03
.04
.05
.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
La Guajira
-.010
.01
.02
.03
.04
.05
.06
.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Magdalena
-.01
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Meta
0
.02
.04
.06
.08
.1
.12
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Nariño
Brecha Total Efecto Dotación
Efecto Desempeño
44
(Continuación…) Anexo No. 3. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de matemática (Prueba Saber 11, 2010).
Fuente: Elaboración del autor con base a información del ICFES (SABER 11).
-.06
-.05
-.04
-.03
-.02
-.01
0
.01B
rech
a A
cad
émic
a
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Norte de Santander
0
.01
.02
.03
.04
.05
.06
.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Putumayo
-.02
-.01
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Quindío
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Risaralda
0
.02
.04
.06
.08
.1
.12
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
San Andrés
-.05-.04-.03-.02-.01
0.01.02.03.04.05.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Santander
0
.01
.02
.03
.04
.05
.06
.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Sucre
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Tolima
0
.01
.02
.03
.04
.05
.06
.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Valle
-.04
0
.04
.08
.12
.16
.2
.24
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Vaupés
0
.03
.06
.09
.12
.15
.18
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Vichada
Brecha Total Efecto Dotación
Efecto Desempeño
45
Anexo No. 4. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de lenguaje (Prueba Saber 11, 2010).
-.04-.03-.02-.01
0.01.02.03.04.05
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Amazonas
-.01
0
.01
.02
.03
.04
.05
.06
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Antioquia
-.02
-.01
0
.01
.02
.03
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Arauca
0
.01
.02
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Atlántico
-.02
-.01
0
.01
.02
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Bogotá
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Bolívar
-.02
-.01
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Boyacá
0
.01
.02
.03
.04
.05
.06
Bre
cha
Aca
dém
ica
(%)
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Caldas
-.05
-.04
-.03
-.02
-.01
0
.01
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Caquetá
-.03-.02-.01
0.01.02.03.04.05.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Casanare
-.01
0
.01
.02
.03
.04
.05
.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Cauca
Brecha Total Efecto Dotación
Efecto Desempeño
46
(Continuación…) Anexo No. 4. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de lenguaje (Prueba Saber 11, 2010).
-.02
-.01
0
.01
.02
.03
.04B
rech
a A
cad
émic
a
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Cesar
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9Cuantil
Córdoba
-.02
-.01
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Chocó
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Cundinamarca
-.17
-.08
.01
.1
.19
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Guainía
-.04-.03-.02-.01
0.01.02.03.04.05.06.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Guavire
-.03
-.02
-.01
0
.01
.02
.03
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Huila
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
La Guajira
-.02
-.01
0
.01
.02
.03
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Magdalena
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Meta
0.01.02
.03
.04
.05
.06
.07
.08
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Nariño
Brecha Total Efecto Dotación
Efecto Desempeño
47
(Continuación…) Anexo No. 4. Descomposición Blinder-Oaxaca por cuantiles, nivel departamental, área de lenguaje (Prueba Saber 11, 2010).
Fuente: Elaboración del autor con base a información del ICFES (SABER 11).
-.03
-.02
-.01
0
.01B
rech
a A
cad
émic
a
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Norte de Santander
0
.01
.02
.03
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Putumayo
-.03-.02-.01
0.01.02.03.04.05.06
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Quindío
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Risaralda
-.02
-.01
0
.01
.02
.03
.04
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
San Andrés
-.03
-.02
-.01
0
.01
.02
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Santander
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Sucre
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Tolima
-.03-.02-.01
0.01.02.03.04.05.06.07
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Valle
-.13
-.08
-.03
.02
.07
.12
.17
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Vaupés
-.01
0
.01
.02
.03
.04
.05
Bre
cha
Aca
dém
ica
.1 .2 .3 .4 .5 .6 .7 .8 .9
Cuantil
Vichada
Brecha Total Efecto Dotación
Efecto Desempeño
ÍNDICE "DOCUMENTOS DE TRABAJO SOBRE ECONOMÍA REGION AL"
No. Autor Título Fecha
1 Joaquín Viloria de la Hoz Café Caribe: la economía cafetera en la Sierra Nevada de Santa Marta
Noviembre, 1997
2 María M. Aguilera Diaz Los cultivos de camarones en la costa Caribe colombiana Abril, 1998
3 Jaime Bonet Morón Las exportaciones de algodón del Caribe colombiano Mayo, 1998
4 Joaquín Viloria de la Hoz La economía del carbón en el Caribe colombiano Mayo, 1998
5 Jaime Bonet Morón El ganado costeño en la feria de Medellín, 1950 – 1997 Octubre, 1998
6 María M. Aguilera Diaz Joaquín Viloria de la Hoz
Radiografía socio-económica del Caribe Colombiano Octubre, 1998
7 Adolfo Meisel Roca ¿Por qué perdió la Costa Caribe el siglo XX? Enero, 1999
8 Jaime Bonet Morón La convergencia regional en Colombia: una visión de largo plazo,
1926 – 1995 Febrero, 1999
Adolfo Meisel Roca
9 Luis Armando Galvis A. Determinantes de la demanda por turismo hacia Cartagena, 1987-
1998 Marzo, 1999
María M. Aguilera Díaz
10 Jaime Bonet Morón El crecimiento regional en Colombia, 1980-1996: Una aproximación con el método Shift-Share
Junio, 1999
11 Luis Armando Galvis A. El empleo industrial urbano en Colombia, 1974-1996 Agosto, 1999
12 Jaime Bonet Morón La agricultura del Caribe Colombiano, 1990-1998 Diciembre, 1999
13 Luis Armando Galvis A. La demanda de carnes en Colombia: un análisis econométrico Enero, 2000
14 Jaime Bonet Morón Las exportaciones colombianas de banano, 1950 – 1998 Abril, 2000
15 Jaime Bonet Morón La matriz insumo-producto del Caribe colombiano Mayo, 2000
16 Joaquín Viloria de la Hoz De Colpuertos a las sociedades portuarias: los puertos del Caribe colombiano
Octubre, 2000
17 María M. Aguilera Díaz Jorge Luis Alvis Arrieta
Perfil socioeconómico de Barranquilla, Cartagena y Santa Marta (1990-2000)
Noviembre, 2000
18 Luis Armando Galvis A. Adolfo Meisel Roca
El crecimiento económico de las ciudades colombianas y sus determinantes, 1973-1998
Noviembre, 2000
19 Luis Armando Galvis A. ¿Qué determina la productividad agrícola departamental en Colombia?
Marzo, 2001
20 Joaquín Viloria de la Hoz Descentralización en el Caribe colombiano: Las finanzas departamentales en los noventas
Abril, 2001
21 María M. Aguilera Díaz Comercio de Colombia con el Caribe insular, 1990-1999. Mayo, 2001
22 Luis Armando Galvis A. La topografía económica de Colombia Octubre, 2001
23 Juan David Barón R. Las regiones económicas de Colombia: Un análisis de clusters Enero, 2002
24 María M. Aguilera Díaz Magangué: Puerto fluvial bolivarense Enero, 2002
25 Igor Esteban Zuccardi H. Los ciclos económicos regionales en Colombia, 1986-2000 Enero, 2002
26 Joaquín Viloria de la Hoz Cereté: Municipio agrícola del Sinú Febrero, 2002
27 Luis Armando Galvis A. Integración regional de los mercados laborales en Colombia, 1984-2000
Febrero, 2002
28 Joaquín Viloria de la Hoz Riqueza y despilfarro: La paradoja de las regalías en Barrancas y Tolú
Junio, 2002
29 Luis Armando Galvis A. Determinantes de la migración interdepartamental en Colombia, 1988-1993
Junio, 2002
30 María M. Aguilera Díaz Palma africana en la Costa Caribe: Un semillero de empresas solidarias
Julio, 2002
31 Juan David Barón R. La inflación en las ciudades de Colombia: Una evaluación de la paridad del poder adquisitivo
Julio, 2002
32 Igor Esteban Zuccardi H. Efectos regionales de la política monetaria Julio, 2002
33 Joaquín Viloria de la Hoz Educación primaria en Cartagena: análisis de cobertura, costos y eficiencia
Octubre, 2002
34 Juan David Barón R. Perfil socioeconómico de Tubará: Población dormitorio y destino turístico del Atlántico
Octubre, 2002
35 María M. Aguilera Díaz Salinas de Manaure: La tradición wayuu y la modernización Mayo, 2003
36 Juan David Barón R. Adolfo Meisel Roca
La descentralización y las disparidades económicas regionales en Colombia en la década de 1990
Julio, 2003
37 Adolfo Meisel Roca La continentalización de la Isla de San Andrés, Colombia: Panyas, raizales y turismo, 1953 – 2003
Agosto, 2003
38 Juan David Barón R. ¿Qué sucedió con las disparidades económicas regionales en Colombia entre 1980 y el 2000?
Septiembre, 2003
39 Gerson Javier Pérez V. La tasa de cambio real regional y departamental en Colombia, 1980-2002
Septiembre, 2003
40 Joaquín Viloria de la Hoz Ganadería bovina en las Llanuras del Caribe colombiano Octubre, 2003
41 Jorge García García ¿Por qué la descentralización fiscal? Mecanismos para hacerla efectiva
Enero, 2004
42 María M. Aguilera Díaz Aguachica: Centro Agroindustrial del Cesar Enero, 2004
43 Joaquín Viloria de la Hoz La economía ganadera en el departamento de Córdoba Marzo, 2004
44 Jorge García García El cultivo de algodón en Colombia entre 1953 y 1978: una evaluación de las políticas gubernamentales
Abril, 2004
45 Adolfo Meisel R. Margarita Vega A.
La estatura de los colombianos: un ensayo de antropometría histórica, 1910-2002
Mayo, 2004
46 Gerson Javier Pérez V. Los ciclos ganaderos en Colombia, 1950-2001 Junio, 2004
47 Gerson Javier Pérez V. Peter Rowland
Políticas económicas regionales: cuatro estudios de caso Agosto, 2004
48 María M. Aguilera Díaz La Mojana: Riqueza natural y potencial económico Octubre, 2004
49 Jaime Bonet Descentralización fiscal y disparidades en el ingreso regional:
Noviembre, 2004 experiencia colombiana
50 Adolfo Meisel Roca La economía de Ciénaga después del banano Noviembre, 2004
51 Joaquín Viloria de la Hoz La economía del departamento de Córdoba: ganadería y minería como sectores clave
Diciembre, 2004
52 Juan David Barón Gerson Javier Pérez V Peter Rowland.
Consideraciones para una política económica regional en Colombia Diciembre, 2004
53 José R. Gamarra V. Eficiencia Técnica Relativa de la ganadería doble propósito en la Costa Caribe
Diciembre, 2004
54 Gerson Javier Pérez V. Dimensión espacial de la pobreza en Colombia Enero, 2005
55 José R. Gamarra V. ¿Se comportan igual las tasas de desempleo de las siete principales ciudades colombianas?
Febrero, 2005
56 Jaime Bonet Inequidad espacial en la dotación educativa regional en Colombia Febrero, 2005
57 Julio Romero P. ¿Cuánto cuesta vivir en las principales ciudades colombianas? Índice de Costo de Vida Comparativo
Junio, 2005
58 Gerson Javier Pérez V. Bolívar: industrial, agropecuario y turístico Julio, 2005
59 José R. Gamarra V. La economía del Cesar después del algodón Julio, 2005
60 Jaime Bonet Desindustrialización y terciarización espuria en el departamento del Atlántico, 1990 - 2005
Julio, 2005
61 Joaquín Viloria De La Hoz Sierra Nevada de Santa Marta: Economía de sus recursos naturales Julio, 2005
62 Jaime Bonet Cambio estructural regional en Colombia: una aproximación con matrices insumo-producto
Julio, 2005
63 María M. Aguilera Díaz La economía del Departamento de Sucre: ganadería y sector público Agosto, 2005
64 Gerson Javier Pérez V. La infraestructura del transporte vial y la movilización de carga en Colombia
Octubre, 2005
65 Joaquín Viloria De La Hoz Salud pública y situación hospitalaria en Cartagena Noviembre, 2005
66 José R. Gamarra V. Desfalcos y regiones: un análisis de los procesos de responsabilidad fiscal en Colombia
Noviembre, 2005
67 Julio Romero P. Diferencias sociales y regionales en el ingreso laboral de las principales ciudades colombianas, 2001-2004
Enero, 2006
68 Jaime Bonet La terciarización de las estructuras económicas regionales en Colombia
Enero, 2006
69 Joaquín Viloria de la Hoz Educación superior en el Caribe Colombiano: análisis de cobertura y calidad.
Marzo, 2006
70 José R. Gamarra V. Pobreza, corrupción y participación política: una revisión para el caso colombiano
Marzo, 2006
71 Gerson Javier Pérez V. Población y ley de Zipf en Colombia y la Costa Caribe, 1912-1993 Abril, 2006
72 María M. Aguilera Díaz El Canal del Dique y su sub región: una economía basada en su riqueza hídrica
Mayo, 2006
73 Adolfo Meisel R.
Geografía física y poblamiento en la Costa Caribe colombiana Junio, 2006 Gerson Javier Pérez V.
74 Julio Romero P. Movilidad social, educación y empleo: los retos de la política económica en el departamento del Magdalena
Junio, 2006
75 Jaime Bonet Adolfo Meisel Roca
El legado colonial como determinante del ingreso per cápita departamental en Colombia, 1975-2000
Julio, 2006
76 Jaime Bonet Adolfo Meisel Roca
Polarización del ingreso per cápita departamental en Colombia Julio, 2006
77 Jaime Bonet Desequilibrios regionales en la política de descentralización en Colombia
Octubre, 2006
78 Gerson Javier Pérez V. Dinámica demográfica y desarrollo regional en Colombia Octubre, 2006
79 María M. Aguilera Díaz Camila Bernal Mattos Paola Quintero Puentes
Turismo y desarrollo en el Caribe colombiano Noviembre, 2006
80 Joaquín Viloria de la Hoz Ciudades portuarias del Caribe colombiano: propuestas para competir en una economía globalizada
Noviembre, 2006
81 Joaquín Viloria de la Hoz Propuestas para transformar el capital humano en el Caribe colombiano
Noviembre, 2006
82 Jose R. Gamarra Vergara Agenda anticorrupción en Colombia: reformas, logros y recomendaciones
Noviembre, 2006
83 Adolfo Meisel Roca Julio Romero P
Igualdad de oportunidades para todas las regiones Enero, 2007
84 Centro de Estudios Económicos Regionales CEER
Bases para reducir las disparidades regionales en Colombia Documento para discusión
Enero, 2007
85 Jaime Bonet Minería y desarrollo económico en El Cesar Enero, 2007
86 Adolfo Meisel Roca La Guajira y el mito de las regalías redentoras Febrero, 2007
87 Joaquín Viloria de la Hoz Economía del Departamento de Nariño: ruralidad y aislamiento geográfico
Marzo, 2007
88 Gerson Javier Pérez V. El Caribe antioqueño: entre los retos de la geografía y el espíritu paisa
Abril, 2007
89 Jose R. Gamarra Vergara Pobreza rural y transferencia de tecnología en la Costa Caribe Abril, 2007
90 Jaime Bonet ¿Porqué es pobre el Chocó? Abril, 2007
91 Gerson Javier Pérez V. Historia, geografía y puerto como determinantes de la situación social de Buenaventura
Abril, 2007
92 Jaime Bonet Regalías y finanzas públicas en el Departamento del Cesar Agosto, 2007
93 Joaquín Viloria de la Hoz Nutrición en el Caribe Colombiano y su relación con el capital humano
Agosto, 2007
94 Gerson Javier Pérez V. Irene Salazar Mejía
La pobreza en Cartagena: Un análisis por barrios Agosto, 2007
95 Jose R. Gamarra Vergara La economía del departamento del Cauca: concentración de tierras y pobreza
Octubre, 2007
96 Joaquín Viloria de la Hoz Educación, nutrición y salud: retos para el Caribe colombiano Noviembre, 2007
97 Jaime Bonet Jorge Alvis
Bases para un fondo de compensación regional en Colombia Diciembre, 2007
98 Julio Romero P. ¿Discriminación o capital humano? Determinantes del ingreso laboral de los afrocartageneros
Diciembre, 2007
99 Julio Romero P. Inflación, costo de vida y las diferencias en el nivel general de precios de las principales ciudades colombianas.
Diciembre, 2007
100 Adolfo Meisel Roca ¿Por qué se necesita una política económica regional en Colombia? Diciembre, 2007
101 Jaime Bonet Las finanzas públicas de Cartagena, 2000 – 2007 Junio, 2008
102 Irene Salazar Mejía Lugar encantados de las aguas: aspectos económicos de la Ciénega Grande del Bajo Sinú
Junio, 2008
103 Joaquín Viloria de la Hoz Economía extractiva y pobreza en la ciénaga de Zapatosa Junio, 2008
104
Eduardo A. Haddad Jaime Bonet Geofrey J.D. Hewings Fernando Perobelli
Efectos regionales de una mayor liberación comercial en Colombia: Una estimación con el Modelo CEER
Agosto, 2008
105 Joaquín Viloria de la Hoz Banano y revaluación en el Departamento del Magdalena, 1997-2007
Septiembre, 2008
106 Adolfo Meisel Roca Albert O. Hirschman y los desequilibrios económicos regionales: De la economía a la política, pasando por la antropología y la historia
Septiembre, 2008
107 Julio Romero P. Transmisión regional de la política monetaria en Colombia Octubre, 2008
108 Leonardo Bonilla Mejía Diferencias regionales en la distribución del ingreso en Colombia Diciembre, 2008
109 María Aguilera Díaz Adolfo Meisel Roca
¿La isla que se repite? Cartagena en el censo de población de 2005 Enero, 2009
110 Joaquín Viloria De la Hoz Economía y conflicto en el Cono Sur del Departamento de Bolívar Febrero, 2009
111 Leonardo Bonilla Mejía Causas de las diferencias regionales en la distribución del ingreso en Colombia, un ejercicio de micro-descomposición
Marzo, 2009
112 María M. Aguilera Díaz Ciénaga de Ayapel: riqueza en biodiversidad y recursos hídricos Junio, 2009
113 Joaquín Viloria De la Hoz Geografía económica de la Orinoquia Junio, 2009
114 Leonardo Bonilla Mejía Revisión de la literatura económica reciente sobre las causas de la violencia homicida en Colombia
Julio, 2009
115 Juan D. Barón El homicidio en los tiempos del Plan Colombia Julio, 2009
116 Julio Romero P. Geografía económica del Pacífico colombiano Octubre, 2009
117 Joaquín Viloria De la Hoz El ferroníquel de Cerro Matoso: aspectos económicos de Montelíbano y el Alto San Jorge
Octubre, 2009
118 Leonardo Bonilla Mejía Demografía, juventud y homicidios en Colombia, 1979-2006 Octubre, 2009
119 Luis Armando Galvis A. Geografía económica del Caribe Continental Diciembre, 2009
120 Luis Armando Galvis A Adolfo Meisel Roca.
Persistencia de las desigualdades regionales en Colombia: Un análisis espacial
Enero, 2010
121 Irene Salazar Mejía Geografía económica de la región Andina Oriental Enero, 2010
122 Luis Armando Galvis A Adolfo Meisel Roca.
Fondo de Compensación Regional: Igualdad de oportunidades para la periferia colombiana
Enero, 2010
123 Juan D. Barón Geografía económica de los Andes Occidentales de Colombia Marzo, 2010
124 Julio Romero Educación, calidad de vida y otras desventajas económicas de los indígenas en Colombia
Marzo, 2010
125 Laura Cepeda Emiliani El Caribe chocoano: riqueza ecológica y pobreza de oportunidades Mayo, 2010
126 Joaquín Viloria de la Hoz Finanzas y gobierno de las corporaciones autónomas regionales del Caribe colombiano
Mayo, 2010
127 Luis Armando Galvis Comportamiento de los salarios reales en Colombia: Un análisis de convergencia condicional, 1984-2009
Mayo, 2010
128 Juan D. Barón La violencia de pareja en Colombia y sus regiones Junio, 2010
129 Julio Romero El éxito económico de los costeños en Bogotá: migración interna y capital humano
Agosto, 2010
130 Leonardo Bonilla Mejía Movilidad inter-generacional en educación en las ciudades y regiones de Colombia
Agosto, 2010
131 Luis Armando Galvis Diferenciales salariales por género y región en Colombia: Una aproximación con regresión por cuantiles
Septiembre, 2010
132 Juan David Barón Primeras experiencias laborales de los profesionales colombianos: Probabilidad de empleo formal y salarios
Octubre, 2010
133 María Aguilera Díaz Geografía económica del Archipiélago de San Andrés, Providencia y Santa Catalina
Diciembre, 2010
134 Andrea Otero Superando la crisis: Las finanzas públicas de Barranquilla, 2000-2009
Diciembre, 2010
135 Laura Cepeda Emiliani ¿Por qué le va bien a la economía de Santander? Diciembre, 2010
136 Leonardo Bonilla Mejía El sector industrial de Barranquilla en el siglo XXI: ¿Cambian finalmente las tendencias?
Diciembre, 2010
137 Juan David Barón La brecha de rendimiento académico de Barranquilla Diciembre, 2010
138 Luis Armando Galvis Geografía del déficit de vivienda urbano: Los casos de Barranquilla y Soledad
Febrero, 2011
139 Andrea Otero Combatiendo la mortalidad en la niñez: ¿Son las reformas a los servicios básicos una buena estrategia?
Marzo, 2011
140 Andrés Sánchez Jabba La economía del mototaxismo: el caso de Sincelejo Marzo, 2011
141 Andrea Otero El puerto de Barranquilla: retos y recomendaciones Abril, 2011
142 Laura Cepeda Emiliani Los sures de Barranquilla: La distribución espacial de la pobreza Abril, 2011
143 Leonardo Bonilla Mejía Doble jornada escolar y la calidad de la educación en Colombia Abril, 2011
144 María Aguilera Díaz Habitantes del agua: El complejo lagunar de la Ciénaga Grande de Santa Marta
Mayo, 2011
145 Andrés Sánchez Jabba El gas de La Guajira y sus efectos económicos sobre el departamento
Mayo, 2011
146 Javier Yabrudy Vega Raizales y continentales: un análisis del mercado laboral en la isla de San Andrés
Junio, 2011
147 Andrés Sánchez Jabba Reformas fiscales verdes y la hipótesis del doble dividendo: un ejercicio aplicado a la economía colombiana
Junio, 2011
148 Joaquín Viloria de la Hoz La economía anfibia de la isla de Mompox Julio, 2011
149 Juan David Barón Sensibilidad de la oferta de migrantes internos a las condiciones del mercado laboral en las principales ciudades de Colombia
Julio, 2011
150 Andrés Sánchez Jabba Después de la inundación Agosto, 2011
151 Luis Armando Galvis Leonardo Bonilla Mejía
Desigualdades regionales en la dotación de docentes calificados en Colombia
Agosto, 2011
152 Juan David Barón Leonardo Bonilla Mejía
La calidad de los maestros en Colombia: Desempeño en el examen de Estado del ICFES y la probabilidad de graduarse en el área de educación
Agosto, 2011
153 Laura Cepeda Emiliani La economía de Risaralda después del café: ¿Hacia dónde va? Agosto, 2011
154 Leonardo Bonilla Mejía Luis Armando Galvis
Profesionalización docente y la calidad de la educación en Colombia
Septiembre, 2011
155 Adolfo Meisel Roca El sueño de los radicales y las desigualdades regionales en Colombia: La educación de calidad para todos como política de desarrollo territorial
Septiembre, 2011
156 Andrés Sánchez Jabba Etnia y desempeño académico en Colombia Octubre, 2011